典型文献
基于GAN的雷达HRRP数据增强方法
文献摘要：
在雷达自动目标识别(RATR)中,数据驱动方法是强有力的工具之一.然而数据驱动方法的性能十分依赖数据集的质量,数据增强方法通过扩充数据集,能够提升数据驱动模型在现有数据集上的识别率.本文提出了用于高分辨距离像(HRRP)数据生成的一维基础生成对抗网络(BGAN)结构和条件生成对抗网络(CGAN)结构,并利用生成的人工样本补充不完备数据集完成了数据增强.实验表明,本文所提出的两种网络均能有效提升目标识别的准确率,提升效果优于传统的平移和镜像增强方法.基于BGAN的HRRP数据增强方法提升效果最优,但其模型时间与空间复杂度较高;基于CGAN的数据增强方法能够在保证识别率提升的同时降低模型的时间与空间复杂度,具有较高的应用前景.
文献关键词：
雷达目标识别;高分辨距离像;数据增强;生成对抗网络
中图分类号：
作者姓名：
周强;王彦华;宋益恒;李阳
作者机构：
北京理工大学信息与电子学院雷达技术研究所,北京100081;嵌入式实时信息处理技术北京市重点实验室,北京100081;北京理工大学重庆创新中心,重庆401120
文献出处：
引用格式：
[1]周强;王彦华;宋益恒;李阳-.基于GAN的雷达HRRP数据增强方法)[J].信号处理,2022(01):92-99
A类：
BGAN,样本补充
B类：
HRRP,数据增强,增强方法,雷达自动目标识别,RATR,数据驱动方法,充数,数据驱动模型,识别率,高分辨距离像,数据生成,维基,基础生成,条件生成对抗网络,CGAN,不完备数据,提升目标,提升效果,平移,镜像,时间与空间,空间复杂度,雷达目标识别
AB值：
0.28725
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
