一种深度可分离融合卷积神经网络的有限样本弹道目标识别方法

摘要

本发明属于雷达技术领域，具体地涉及一种深度可分离融合卷积神经网络的有限样本弹道目标识别方法。包括：步骤1：从高分辨雷达中获取弹道目标HRRP样本，构建训练集和测试集，训练周期为Ω；步骤2：构建DSFCNN网络；步骤3：对步骤2的DSFCNN网络的可训练参数θ初始化；步骤4：构建有限样本学习损失函数，计算每个批次数据的损失函数值；步骤5：使用随机梯度下降算法完成1个批次的可训练参数更新，得到θ1；步骤6：令θ0＝θ1，重复步骤4和步骤5，最终得到参数θT，然后对测试数据集中的样本进行预测，并对预测结果进行统计；步骤7：令θ0＝θT，重复步骤6直至完成Ω个周期的训练，并保存测试集识别正确率最高时的模型参数。本发明的方法正确率高，鲁棒高。