基于循环神经网络的运动车辆目标分类

下载PDF

导出

摘要本文针对传统履带式车辆和轮式车辆分类过程中特征提取对人工经验和领域知识依赖性强的问题,提出一种基于循环神经网络的运动车辆目标分类方法。该方法利用循环神经网络在处理序列数据上的优势,挖掘数据之间的内部联系,自适应地确定隐含层的权值,自动提取稳健特征。基于实测数据进行的实验得到了在信噪比不低于15dB条件下,正确分类性能达到91.4%的效果。对比实验表明该方法较传统分类方法有较好的分类效果。

作者谷开雪乐意

机构地区南京国睿防务系统有限公司

出处《电子技术与软件工程》 2022年第3期87-90,共4页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

关键词循环神经网络(RNN) 运动车辆目标信噪比(SNR) SVM 特征提取

分类号 E91 [军事] TP183 [自动化与计算机技术—控制理论与控制工程] TN957.51 [电子电信—信号与信息处理]

引文网络
相关文献

参考文献12

1徐彬,陈渤,刘家麒,王鹏辉,刘宏伟.采用双向LSTM模型的雷达HRRP目标识别[J].西安电子科技大学学报,2019,46(2):29-34. 被引量：23
2周亚楠,聂帅.基于循环神经网络的飞行机动识别方法及仿真研究[J].中国电子科学研究院学报,2020,15(6):539-546. 被引量：10
3苏续军,吕学志,方丹,陈晓.基于神经网络的复杂导弹系统可靠性预测[J].火力与指挥控制,2020,45(5):170-177. 被引量：8
4王彩云,黄盼盼,李晓飞,王佳宁,赵焕玥.基于AEPSO-SVM算法的雷达HRRP目标识别[J].系统工程与电子技术,2019,41(9):1984-1989. 被引量：25
5徐勋华,王继成.支撑向量机的多类分类方法[J].微电子学与计算机,2004,21(10):149-152. 被引量：27
6赵佳欢,杨海明,邱令存.基于循环神经网络的空中目标类型识别[J].航天控制,2020,38(3):47-53. 被引量：7
7黄柏圣,江涛,周伟光.基于深度学习的HRRP舰船目标识别性能分析[J].现代雷达,2020,42(2):54-57. 被引量：9
8杨磊,王勇,罗丁利.基于微多普勒特征的运动车辆分类方法研究[J].火控雷达技术,2014,43(3):36-39. 被引量：2
9李彦兵,杜兰,刘宏伟,丁苏颖,关永胜.基于微多普勒特征的地面目标分类[J].电子与信息学报,2010,32(12):2848-2853. 被引量：27
10王宝帅,刘江洪,郑小亮,贺岷珏,肖庆.基于特征谱特征的机场跑道异物分层检测算法[J].电子与信息学报,2017,39(11):2690-2696. 被引量：10

二级参考文献87

1侯彪,刘芳,焦李成.基于小波变换的高分辨SAR港口目标自动分割[J].红外与毫米波学报,2002,21(5):385-389. 被引量：16
2陈凤,刘宏伟,杜兰,保铮.基于特征谱散布特征的低分辨雷达目标分类方法[J].中国科学：信息科学,2010,40(4):624-636. 被引量：18
3倪世宏 ,史忠科 ,谢川 ,王彦鸿 .军用战机机动飞行动作识别知识库的建立[J].计算机仿真,2005,22(4):23-26. 被引量：42
4强勇,张冠杰,谷月东.目标识别技术及其在现代战争中的应用[J].火控雷达技术,2005,34(3):1-5. 被引量：18
5杨俊,谢寿生.基于模糊支持向量机的飞机飞行动作识别[J].航空学报,2005,26(6):738-742. 被引量：28
6张光义,王德纯.弹道导弹防御系统中的预警探测雷达[J].系统工程与电子技术,1996,18(5):39-47. 被引量：19
7庄钊文,刘永祥,黎湘.目标微动特性研究进展[J].电子学报,2007,35(3):520-525. 被引量：129
8史志富,张安,何胜强.基于贝叶斯网络的多传感器目标识别算法研究[J].传感技术学报,2007,20(4):921-924. 被引量：20
9Chen V C,Li F,and Ho S S,et al..Analysis of Micro-Doppler signatures[J].IEEE Proceedings Radar,Sonar & Navigation,2003,150(4):271-276.
10Chen V C,Li F,and Ho S S,et al..Micro-Doppler effect in radar:phenomenon,model,and simulation study[J].IEEE Transactions on Aerospace and Electronic System,2006,42(1):2-21.

共引文献155

1戴勇.BP神经网络在无人机可靠性指标论证中的应用[J].电子技术（上海）,2020,49(2):58-60. 被引量：1
2秦尉博,张弓,刘苏,袁家雯.基于TGAF特征和卷积神经网络的雷达一维距离像识别[J].电子测量技术,2020,43(15):53-57. 被引量：3
3赵文强,孙巍.基于S4-YOLO的海上目标检测识别方法[J].光学与光电技术,2020(4):38-46. 被引量：8
4叶菲,罗景青,俞志富.一种改进的并行处理SVM学习算法[J].微电子学与计算机,2009,26(2):40-43. 被引量：6
5李辉,张安,于红梅.雷达目标识别发展回顾与实现中的关键理论[J].红外与激光工程,2007,36(z2):343-346. 被引量：1
6张晓惠,林柏钢.基于特征选择和多分类支持向量机的异常检测[J].通信学报,2009,30(S1):68-73. 被引量：21
7许将军,赵辉.高光谱遥感图像特征提取及分类研究——基于离散余弦变换(DCT)及支撑向量机技术[J].佳木斯大学学报（自然科学版）,2006,24(4):468-470.
8杨欣,费树岷,陈丽娟.基于小波子空间、支持向量机和模糊积分的信号多类分类算法[J].信息与控制,2007,36(2):211-217. 被引量：2
9韩虎,任恩恩.基于类间可分性度量的支持向量机决策树[J].计算机工程与设计,2007,28(18):4454-4455.
10杨欣,费树岷,陈丽娟.基于模糊综合和最优小波包分解的信号多类分类[J].数据采集与处理,2007,22(4):458-462. 被引量：2

1丁方一.基于RNN模型的某工程产品价格趋势预测[J].科学技术创新,2022(7):77-80. 被引量：2
2陈墨林.基于卷积神经网络的免字符分割车牌识别算法[J].智能计算机与应用,2021,11(11):125-127. 被引量：5
3罗文雍,张家喜.基于循环神经网络的乐曲伴奏混合编配系统设计[J].景德镇学院学报,2021,36(6):54-58.
4钟嶒楒,方志军.基于循环神经网络的人体异常行为识别模型[J].智能计算机与应用,2021,11(11):76-78. 被引量：1
5于润润,朱凯赢,蒋光好,吴益,周伟.光度鲁棒的违章压线检测系统[J].智能计算机与应用,2021,11(10):147-150.
6李硕,王友国,柴允,任珈仪.基于时间卷积网络的极化码译码算法[J].计算机技术与发展,2022,32(3):54-58. 被引量：3
7杨利平,郝峻永,辜小花,侯振威.音频标记一致性约束CRNN声音事件检测[J].电子与信息学报,2022,44(3):1102-1110. 被引量：9
8安鑫,代子彪,李阳,孙晓,任福继.基于BERT的端到端语音合成方法[J].计算机科学,2022,49(4):221-226. 被引量：11
9陈淑婷,晁天乐,刘文萍.循环miRNA生物标记物的运动生理研究进展[J].山东农业大学学报（自然科学版）,2022,53(1):163-170. 被引量：1
10刘昱鑫,郁磊,常利利,李嘉旭,张晴.基于长短时记忆的1型糖尿病患者运动模式下的血糖预测[J].山西医科大学学报,2022,53(2):215-220.

电子技术与软件工程

2022年第3期

浏览历史

内容加载中请稍等...

基于循环神经网络的运动车辆目标分类

参考文献12

二级参考文献87

共引文献155

相关作者

相关机构

相关主题

浏览历史