基于DenseNet的机载雷达动目标检测
李贵锋
童宁宁
冯为可
刘成梁
空军工程大学防空反导学院,西安,710051
摘要：针对传统机载雷达运动目标检测方法所需训练距离单元较多的问题,将运动目标检测问题转化为多分类问题.首先,基于少量训练距离单元数据构建分类所需的训练数据集;然后,基于卷积神经网络DenseNet构建多类分类器;最后,利用训练后的分类器提取雷达空时回波数据特征,进行目标检测和参数估计.仿真结果表明:基于DenseNet的机载雷达动目标检测方法能够有效检测目标,估计目标的距离、多普勒频率等参数.相比传统空时自适应处理方法,该方法能够显著减少所需训练距离单元数量;相比现有基于分类的目标检测方法,该方法能够有效提高目标检测和参数估计的准确度.
关键词：机载雷达运动目标检测分类卷积神经网络
分类号：TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(62001507)
论文发表日期：2021-04-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 83-90 )
英文信息