卷积神经网络在雷达自动目标识别中的研究进展

被引：47

作者：

贺丰收 ^{[1
,2
]}

何友 ^{[1
,3
]}

刘准钆 ^{[1
]}

徐从安 ^{[3
]}

机构：

[1] 西北工业大学自动化学院

[2] 航空工业雷华电子技术研究所射频综合仿真实验室

[3] 海军航空大学信息融合研究所

来源：

电子与信息学报 | 2020年 / 42卷 / 01期

关键词：

自动目标识别; 目标检测; 合成孔径雷达; 卷积神经网络;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取]; TP183 [人工神经网络与计算];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

自动目标识别(ATR)是雷达信息处理领域的重要研究方向。由于卷积神经网络(CNN)无需进行特征工程,图像分类性能优越,因此在雷达自动目标识别领域研究中受到越来越多的关注。该文综合论述了CNN在雷达图像处理中的应用进展。首先介绍了雷达自动目标识别相关知识,包括雷达图像的特性,并指出了传统的雷达自动目标识别方法局限性。给出了CNN卷积神经网络原理、组成和在计算机视觉领域的发展历程。然后着重介绍了CNN在雷达自动目标识别中的研究现状,其中详细介绍了合成孔径雷达(SAR)图像目标的检测与识别方法。接下来对雷达自动目标识别面临的挑战进行了深入分析。最后对CNN新理论、新模型,以及雷达新成像技术和未来复杂环境下的应用进行了展望。

引用

页码：119 / 131

页数：13

共 28 条

[1] 基于卷积神经网络的海上微动目标检测与分类方法 [J].