西安电子科技大学学报

2020, v.47(03) 105-112

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

一种用于锥体目标微动分类的深度学习模型
Deep learning model for micro-motion classification of cone targets

李江;冯存前;王义哲;许旭光;

摘要(Abstract):

针对传统的空间锥体目标微动分类需人工构造、提取特征而缺乏通用性、智能性及在强噪声条件下分类性能差等问题,提出一种卷积神经网络和双向长短期记忆网络相结合的网络新模型。该网络将残差网络、Inception网络及双向长短期记忆网络融合成一体化网络,通过增加网络的深度和宽度来挖掘更高维度的抽象特征以提升网络的分类准确率,而双向长短期记忆网络的推理能力能提高网络的容错性,时序分类的优势,以及残差网络跳跃式的旁路支线结构还能减少参数冗余,加快网络训练速度。仿真结果表明,该网络模型不仅能实现更快速的智能分类,同时比ResNet-18、GoogLeNet模型的精度分别提高5%、4%,验证了该模型的有效性和泛化能力。

关键词(KeyWords): 空间锥体目标;微动分类;时频分析;深度学习

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61701526,61701528);; 陕西省自然科学基础研究计划(2019JQ-336)

作者(Author): 李江;冯存前;王义哲;许旭光;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享