10.19665/j.issn1001-2400.2021.05.017
一种利用贝叶斯优化的弹道目标微动分类网络
弹道目标识别在现在的军事反导系统中具有重要作用.不同的弹道目标由于其运动特征的不同会呈现出不同的微动特征,因此在弹道目标的识别中,微动特征被广泛应用.在弹道目标的微动特征分类中,卷积神经网络因为其优异的分类能力而被广泛应用.在卷积神经网络框架中,神经网络相关的超参数和结构通常与被处理的任务性质相关,不同的任务需要设置不同的超参数和不同的网络架构使卷积神经网络的识别效果达到最优.人工选择适合弹道目标微动分类的网络超参数和结构需要足够的人力经验和大量的计算时间,而且并不总能得到最优的参数.针对这个问题,提出用贝叶斯优化算法来自动获取应用于弹道目标微动分类的卷积神经网络的超参数和最优结构的方法,以提高神经网络对微动特征的分类性能.仿真结果表明,与基于迁移学习的神经网络和传统的方法相比,贝叶斯优化算法得到的卷积神经网络模型具有良好的识别效果和鲁棒性,能够精准地对不同微动特征下的信号进行分类与识别.
目标识别;微多普勒;贝叶斯优化;深度学习
48
TN957
国家自然科学基金61001507
2021-11-18(万方平台首次上网日期,不代表论文的发表时间)
共10页
139-148