典型文献
基于双通道GoogLeNet网络的旋翼无人机分类
文献摘要：
针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法.首先对旋翼无人机的回波信号进行短时傅里叶变换(Short-Time Fourier Transform,STFT)从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图(Cadence-Velocity Diagram,CVD).然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别.基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9％.
文献关键词：
旋翼无人机识别;微多普勒效应;短时傅里叶变换;双通道GoogLeNet网络
中图分类号：
作者姓名：
孙延鹏;任广龙;屈乐乐;刘妍
作者机构：
沈阳航空航天大学电子信息工程学院,沈阳 110136;南方航空股份有限公司沈阳维修基地,沈阳 110169
文献出处：
引用格式：
[1]孙延鹏;任广龙;屈乐乐;刘妍-.基于双通道GoogLeNet网络的旋翼无人机分类)[J].电讯技术,2022(08):1106-1111
A类：
旋翼无人机识别
B类：
双通道,GoogLeNet,无人机分类,微多普勒效应,分类识别,回波信号,短时傅里叶变换,Short,Time,Fourier,Transform,STFT,时频谱,时间轴,速度图,Cadence,Velocity,Diagram,CVD,时频图,取用,时频域,Softmax,分类器,雷达数据,分类方法
AB值：
0.316179
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。
