典型文献
基于混合型复数域卷积神经网络的三维转动舰船目标识别
文献摘要：
在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85％.
文献关键词：
合成孔径雷达;复数域卷积神经网络;三维转动;目标散焦;舰船目标识别;混合型复数域卷积神经网络
中图分类号：
作者姓名：
张云;化青龙;姜义成;徐丹
作者机构：
哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨150001
文献出处：
引用格式：
[1]张云;化青龙;姜义成;徐丹-.基于混合型复数域卷积神经网络的三维转动舰船目标识别)[J].电子学报,2022(05):1042-1049
A类：
混合型复数域卷积神经网络,复数域卷积神经网络,目标散焦
B类：
三维转动,舰船目标识别,高海情,摆动,非平稳,运动状态,合成孔径雷达,Synthetic,Aperture,Radar,SAR,成像处理,理会,方位模糊,识别准确率,Mix,type,Complex,Valued,Convolutional,Neural,Network,CV,反向传播算法,相位信息,幅度和相位,重聚,复杂运动,实数域,Real,RV,识别性,数据识别,平均准确率
AB值：
0.248682
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。
