基于卷积神经网络的海杂波数据分析与鉴别
电子技术应用 11期
薛冰，吴巍
（海军工程大学，湖北 武汉 430033）
摘要：海杂波成因复杂多样，并且目标回波受多种因素影响，使得海杂波对于海上目标探测、识别、跟踪产生了严重的影响。针对传统研究方法精度不足的问题，通过分析海杂波相关统计特性，以海杂波幅度特征和基本统计量为基础，构建了以幅度熵、赫斯特指数、频域峰均比为特征分量的三维特征向量，采用卷积神经网络方法，实现海杂波与目标在特征空间中的明显区分。
中图分类号：TN957.5
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.234449
引用格式： 薛冰，吴巍. 基于卷积神经网络的海杂波数据分析与鉴别[J]. 电子技术应用，2023，49(11)：15-22.
文献标志码：A
DOI: 10.16157/j.issn.0258-7998.234449
引用格式： 薛冰，吴巍. 基于卷积神经网络的海杂波数据分析与鉴别[J]. 电子技术应用，2023，49(11)：15-22.
Analysis and identification of sea clutter data based on convolutional neural network
Xue Bing，Wu Wei
(Naval University of Engineering， Wuhan 430033， China)
Abstract：The causes of sea clutter are complex and diverse, and the target echo is influenced by various factors, which seriously affects the detection, recognition, and tracking of sea targets. In order to solve the problem of insufficient accuracy of traditional research methods, this paper analyzes the statistical characteristics of sea clutter, constructs a three-dimensional feature vector with amplitude entropy, Hurst index and frequency domain peak as the characteristic components, and adopts convolutional neural network method to realize the obvious distinction between sea clutter and targets in feature space.
Key words :sea clutter；feature vector；convolutional neural network；identification accuracy
【引言】
由于海洋环境复杂多样，对海面目标的探测与识别影响显著。海杂波的成因复杂，海杂波具有不完全随机性，而且目标回波信号受多种因素影响，仅从单一方面研究其特性会有很大的偶然性与不精确性。此外，海杂波影响因素多样，所有构建的模型只能在某一段范围内符合海杂波的特性，其在较长的时间或距离单元跨度内，并不完全符合海杂波的特性。更重要的是，海杂波与目标的区分度不具一般性，规律不明显。本文通过提取海杂波与海面目标在某些方面的显著差异，再去利用卷积神经网络对其进行鉴别研究。
本文详细内容下载请点击：基于卷积神经网络的海杂波数据分析与鉴别AET-电子技术应用-最丰富的电子设计资源平台 (chinaaet.com)
【作者信息】
薛冰，吴巍
（海军工程大学，湖北 武汉 430033）
此内容为AET网站原创，未经授权禁止转载。