基于时频特征组合的双分支神经网络动态RCS序列分类方法及系统

本发明公开了一种基于时频特征组合的双分支神经网络动态RCS序列分类方法及系统，方法包括：S1、进行目标建模并仿真静态RCS数据；S2、初始化运动参数并生成轨道数据，结合姿态角序列生成动态RCS数据；S3、对动态RCS数据进行预处理；S4、构建基于时频特征组合的双分支神经网络模型，将步骤S3中获得的数据输入双分支神经网络模型进行训练并保存最优参数，利用最优参数进行动态RCS目标分类。本发明通过动态RCS数据生成与双分支深度学习模型构建，实现了复杂运动目标的高精度分类，具有轻量高效、实时性强的特点。