作者：王志诚,徐卉,梁小溪,王珺,周起华,朱骏 单位：上海航天技术研究院 出版：《上海航天(中英文)》2018年第06期 页数：9页  （PDF与DOC格式可能不同） PDF编号：PDFSHHT2018060190 DOC编号：DOCSHHT2018060199 下载格式：PDF + Word/doc 文字可复制、可编辑

    • 针对直升机雷达回波在时频二维分布图上的分布特性，提出一种基于卷积神经网络技术的直升机旋翼谱识别方法，实现了直升机旋翼谱与其他类型目标的区分，从而有效识别直升机。当雷达工作在低重复频率(LPRF)时，直升机旋翼回波在时频分布图上呈现明显的扩展特征。通过仿真与实测数据分析，表明该特征与其他目标回波在频率维分布特性存在较大差异。利用卷积神经网络中的卷积核技术，将实测数据与卷积核矩阵进行二维卷积运算，依据输出矩阵实现了直升机旋翼谱的识别。利用实际采集的直升机回波数据进行验证，证明该方法是有效的，可应用于各种采用脉冲多普勒工作体制的雷达系统。

    📙 相关资料

    1. 《一维卷积神经网络用于雷达高分辨率距离像识别》PDF+DOC 针对人工提取高分辨率距离像(HRRP)优良特征比较困难的问题，研究了基于一维卷积神经网络(CNN)的HRRP识别方法。利用CNN具有分层学习特征的能力，训练CNN自动地从HRRP中学习有用的特征并分类。在仿真实验中描述了网络的相关配置，分析了不同激活函数、不同参数、不同网络结构的识别性能，对比了CN......
    2. 《采用卷积神经网络的海面多目标检测研究》PDF+DOC 对海雷达多目标检测在军事领域有着重要的应用价值。为了提高海杂波下的目标检测性能，减少临近目标的影响，本文引入深度学习思想，提出了采用卷积神经网络的多目标检测方法。通过雷达实测数据的分析与训练，构造适用于处理一维回波数据的网络模型，引入定向惩罚技术加快自适应学习效率，优化网络超参数提升网络性能，实现了......
    3. 《目标类型识别方法研究》PDF+DOC 目标对象（飞机、船舶、车辆等）的分类和识别是许多指挥系统的重要任务，目前尚未解决的主要问题是对象类型识别；使用单个传感器信息或单一识别技术方法已不能满足实际应用的需要。本文以舰船类型识别为例，探讨基于多传感器信息融合技术和自适应模糊神经网络技术的目标类别和类型识别，其方法可用于民航和军事等指挥控制系......
    4. 《人工神经网络技术在目标识别中的应用》PDF+DOC 在多传感器信息融合的基础上讨论了目标种类识别的有关问题，并给出了直升机、固定翼飞机、导弹、水面舰艇、鱼雷、潜艇和水雷的识别准则和方法，并在此基础上提出了基于BP神经网络的目标种类识别模型。仿真计算结果表明，只要学习样本足够多，能够有效保证识别的正确性和克服基于规则的识别方法在模糊区识别效果差的问题。...
    5. 《基于神经网络的声目标识别融合方法研究》PDF+DOC 本文介绍了声目标的各种识别方法，将Dempster枛朣hafer证据推理的基本理论应用到声目标的识别中，并用BP神经网络构造出基本概率赋值函数，从而避开了建立质量函数的麻烦，大大拓宽了这种方法的应用范围。本文给出了改进后的BP神经网络算法并给出了识别目标的决策方法。通过实例计算可以看出，该方法可以提......
    6. 《悬停直升机探测问题的研究》PDF+DOC 分析了直升机回波信号特征，提出了其信号检测和识别方案。仿真表明该方案具有一定的可行性，为解决悬停直升机探测问题提供了依据。...
    7. 《基于子空间分析的抗箔条干扰研究》PDF+DOC 箔条干扰一直是电子对抗的主要手段之一。本文根据箔条干扰的特点，提出基于子空间方法的抗箔条干扰分析。由于舰船回波与箔条回波运动形态统计不相关，满足子空间分析条件，因此利用子空间分析方法可以达到抗箔条干扰的目的。...
    8. 《基于PNN-DS信息融合模型的目标识别方法》PDF+DOC 针对目标识别中常用BP-DS信息融合方法识别率低，运行速度慢，抗噪性差等问题，提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处，利用神经网络和证据推理算法获取了基本概率赋值，同时突出了PNN网络在处理多传感器信息的准确性和......
    9. 《基于神经网络与D-S证据理论的目标识别》PDF+DOC 针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题，提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息，发挥神经网络的自学习、自适应和容错能力，提高了系统识别率.最后通过实验，利用神经网络来处理证据理论中的基本可信度分......
    10. 《弹道中段目标雷达综合识别研究》PDF+DOC 中段是弹道导弹防御的主要阶段，也是目标构成最为复杂的阶段。数量众多的轻、重诱饵和弹体碎片使得基于单一特征、单次观测的目标识别并不能给出令人信服的识别结果。因此本文根据弹道中段目标的微动和结构特性，首先利用BP神经网络得到基于单一特征的各待识别目标的基本概率赋值，然后利用D-S证据理论实现当前观测周期......

    提示：百度云已更名为百度网盘（百度盘），天翼云盘、微盘下载地址……暂未提供。