基于深度卷积自编码器的短距慢动目标检测

针对目标雷达散射截面积(RCS)较小、杂波和噪声严重环境下短距离慢动目标难以检测的问题,设计了一种具有跳跃连接结构的双通道卷积自编码器的目标检测方法.该方法以时频谱作为输入,送入设计的卷积自编码器模型中,网络采用IQ双通道结构以提取目标回波的幅度和相位特征,并在中间层实现特征融合.考虑到在时频谱上目标尺度小,网络中还设计了跳跃连接结构将网络顶层与底层跳跃连接以增强目标信号在解码器中的恢复,这种结构还有利于缓解深度网络带来的梯度消散问题,使网络在端对端训练时更加高效.实验证明,相比于传统方法,该方法在杂波和噪声严重的条件下可以获得更好的慢动目标检测效果.     

基于深度卷积神经网络的慢动目标检测

针对强杂波背景下慢速运动目标检测性能不足的问题,设计了一种基于深度卷积神经网络(DCNN)的目标检测方法.主要将雷达回波信号距离—多普勒谱作为输入,送入设计的DCNN中,通过学习回波信号中杂波特征,并隐含的去除回波信号中目标成分,得到回波信号的残差谱.然后利用残差谱与回波信号R-D谱进行背景对消以抑制杂波,进而实现对回...     

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。