一种基于CN-LSGAN、STFT和CNN的HRRP雷达目标识别方法

摘要

本发明专利公开了提出了一种基于约束朴素最小二乘生成对抗网络(Constrained Naive Least Squares Generative Adversarial Network，CN‑LSGAN)、短时傅里叶变换(Short‑time Fourier transform，STFT)和卷积神经网络(Convolutional Neural Network，CNN)的HRRP雷达目标识别方法。所述方法包括以下步骤：S1，用CN‑LSGAN对HRRP数据去噪，该网络结合了最小二乘生成对抗网络(Least Squares Generative Adversarial Network，LSGAN)和带梯度惩罚的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Nets‑Gradient Penalty，WGAN‑GP)特点，将含噪声的HRRP数据通过CN‑LSGAN，生成与干净的HRRP数据相似的数据，实现数据增强；S2，采用STFT对HRRP数据进行时频分析，引入目标的频域和相位特征，以便于特征学习；S3，将时频分析得到的数据通过CNN进行目标识别。