典型文献
基于CGRU-SVM的星载SAR工作模式识别方法
文献摘要：
针对传统星载SAR工作模式反演方法存在的识别精度低和时效性差的问题,提出了一种基于CGRU-SVM的星载SAR工作模式识别方法.该方法以星载SAR信号脉冲峰值I/Q数据为输入,充分利用深度学习网络的自适应特征学习能力,采用CGRU编码器提取并生成原始信号的分类特征向量,最后将特征向量输入SVM分类器中,实现了由原始SAR信号到星载SAR工作模式的"端到端"快速有效识别,降低了人为因素的影响和识别过程的复杂性.实验结果表明,相较于传统反演方法和其他网络模型,CGRU-SVM模型具有更优的训练效率和识别准确率,平均识别准确率可达91％以上.
文献关键词：
SAR;工作模式;卷积神经网络;门控循环单元
中图分类号：
作者姓名：
贺俊;张雅声;尹灿斌;方宇强
作者机构：
航天工程大学,北京 101416
文献出处：
引用格式：
[1]贺俊;张雅声;尹灿斌;方宇强-.基于CGRU-SVM的星载SAR工作模式识别方法)[J].指挥控制与仿真,2022(03):99-105
A类：
B类：
CGRU,星载,SAR,工作模式识别,反演方法,识别精度,号脉,深度学习网络,特征学习能力,编码器,分类特征,特征向量,分类器,端到端,快速有效,人为因素,识别过程,训练效率,识别准确率,门控循环单元
AB值：
0.296186
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。
