基于小波分析和双流神经网络的雷达目标分类

《IEEE Access》:Radar Target Classification Based on Wavelet Analysis and Dual-Stream Neural Network

【字体: 大 中 小 】 时间:2026年05月08日 来源:IEEE Access 3.6

编辑推荐:

   摘要:在战场环境中,雷达目标分类面临着两大主要挑战:严重的杂波干扰和环境噪声。为了解决这些问题,本文提出了一种结合小波变换与双流异构神经网络(DS-HNN)的新方法。首先,设计了一种基于信号熵和频谱运动学的小波基选择策略用于抑制杂波;然后通过多普勒频谱移位来实现速度归一化和频谱

  

摘要:

在战场环境中,雷达目标分类面临着两大主要挑战:严重的杂波干扰和环境噪声。为了解决这些问题,本文提出了一种结合小波变换与双流异构神经网络(DS-HNN)的新方法。首先,设计了一种基于信号熵和频谱运动学的小波基选择策略用于抑制杂波;然后通过多普勒频谱移位来实现速度归一化和频谱对齐。在特征提取方面,采用Daubechies 7(db7)小波包分解来提取时频系数,并将这些系数与信号熵和关键物理参数结合,构建多维特征向量。所提出的DS-HNN通过采用异构架构克服了单域分类器的局限性:时频流通过深度映射层提取潜在的频谱特征,而物理参数流编码全局运动约束。引入了基于物理的跨注意力机制来连接这两个领域。通过利用物理嵌入对频谱特征进行加权,该机制不仅解决了两个特征集之间的维度差异,还增强了特征之间的互补性。使用真实的X波段雷达回波数据进行的实验验证表明,该方法在三种目标类型(人、车辆和无人机UAV)上的整体识别准确率为98.11%,证明了其有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号