摘要
本发明公开了多尺度信号分解与深度特征融合的机载雷达识别方法,属于雷达目标识别技术领域,用于无人机雷达目标识别,包括采用自适应噪声完备集合经验模态分解方法将原始动态雷达散射截面信号分解为多个本征模态分量,并对所有分量统一实施自适应小波软阈值去噪以提高信噪比和抑制背景干扰;通过计算各本征模态分量与原始信号的相关系数筛选出有效分量,重构出降噪后的雷达散射截面信号序列开展多层次特征融合;将特征向量输入堆叠自编码器深度神经网络分类模型,并引入粒子群优化算法对分类模型进行优化。本发明显著提升了信号的信噪比和分类模型在低信噪比环境下的识别准确率,实现对不同类别雷达散射截面目标的高精度识别与分类。
技术关键词
深度特征融合
深度神经网络分类
机载雷达
递归量化分析
雷达散射截面
识别方法
集合经验模态分解方法
信号
离散小波变换
贝叶斯方法
皮尔逊相关系数
引入粒子群优化
时域统计特征
粒子群优化算法
重构
噪声
编码器
非线性动力学特征
方差信息
系统为您推荐了相关专利信息
前视声呐
图像分割方法
卷积模块
特征提取模块
胶囊网络
姿态估计算法
小鼠
识别方法
深度特征融合
关键点特征
分类预测模型
中心服务器
联邦学习方法
深度神经网络分类
参数