传统恒虚警检测方法通常假设待测单元的杂波与训练杂波满足独立同分布,然而在实际雷达工作环境中,强杂波呈现出非均匀特性,沿距离单元的杂波统计特性差异变化较大,使得传统恒虚警目标检测方法在复杂环境下的检测性能下降.为解决该问题,本文从杂波统计特征提取分类出发,通过深度学习方法对杂波进行分类,提出了一种基于残差神经网络(ResNet)的智能恒虚警目标检测方法.首先,根据雷达实测杂波数据建立ResNet的训练集和测试集;其次,构建ResNet对数据进行智能特征提取,得到杂波的统计特征,并用训练好的网络对测试集进行测试;最后,以阈值可设的Softmax分类器对所得统计特征进行分类,根据分类结果实现智能恒虚警目标检测.实验结果表明:相比传统恒虚警检测方法,本文提出的方法具有自适应能力更强、检测性能更好等优点.

雷达目标检测;残差神经网络;恒虚警检测;非均匀杂波

西安电子科技大学 电子工程学院,陕西 西安 710068;上海航天电子通讯设备研究所,上海 201109

[1]张晨;叶舟;吕宇宙;方明;高永婵-.基于ResNet的智能恒虚警目标检测方法)[J].上海航天（中英文）,2022(05):71-78

ResNet,目标检测方法,恒虚警检测,独立同分布,强杂波,统计特性,异变,复杂环境,检测性能,性能下降,统计特征,取分,深度学习方法,残差神经网络,波数,训练集,测试集,智能特征,练好,可设,Softmax,分类器,结果实,自适应能力,雷达目标检测,非均匀杂波

0.290678