一种基于深度学习的地面目标识别方法

本发明属于雷达识别技术领域，具体涉及一种基于深度学习的地面目标识别方法。该方法首先对HRRP数据进行预处理，以消除其幅度敏感性和平移敏感性；然后利用CWT对HRRP数据进行时频分析，通过CWT的多尺度分解，能够提取出信号在不同尺度下的时频特征并增强模型对噪声的鲁棒性；再将处理后得到的时频数据输入卷积神经网络。使用大量标注好的HRRP数据集对CNN进行训练。在训练过程中，通过反向传播算法不断调整网络权重，优化网络性能。在训练完成后，使用训练好的CNN模型对测试HRRP信号进行分类识别，并评估其性能。所提出的方法能更全面地描述HRRP信号，提高了特征的表达能力，在低信噪比下具有一定的识别性能优势。