博士论坛 | 基于深度学习的雷达多维信号特征融合方法（视频）

 点击蓝色“雷达学报”关注

2021年10月23-24、30-31日，第一届雷达学报博士论坛成功举办！

海军航空大学苏宁远10月24日在雷达感知技术分论坛做了题为《基于深度学习的雷达多维信号特征融合方法》的学术报告。

报告简介

本报告针雷达海上目标探测军事和民用需求，结合国家自然科学基金重点项目、装发领域基金等课题，介绍基于深度学习的雷达多维信号特征融合方法及应用。报告主要分为三个部分，内容及思路如图1所示。

图1 基于深度学习的雷达多维信号特征融合方法

方法和结果

1）基于一维序列特征的海上目标检测方法

对于一维幅度序列特征采用序列预测及异常值检测方法，提出LSTM海杂波幅度序列预测方法，将预测值与实际值进行对比实现目标检测，当目标在同一距离单元内无长时间驻留时，该方法可有效抑制海尖峰影响。对于二维时频图，利用基于CNN，利用雷达回波时频图实现目标回波和杂波二元分类，并能够区分目标不同运动状态。该方法实现了微动特征提取和高精度检测，适用于检测机动及微动目标，相比传统Hog-SVM分类方法，在-20dB-4dB信杂比下检测概率提升至少13%。

2）多特征融合海上目标检测方法

针对单一特征检测方法性能不足的问题，采用多特征融合目标检测方法，构建双通道卷积神经网络，分别对雷达信号幅度和多普勒信息进行特征提取，并对提取特征进行降维、融合用于检测。相比基于单特征的检测方法，多特征融合检测方法在检测概率上可提升6%-16%。

3）雷达信号图数据海上目标检测方法

针对各检测样本之间相互独立，时间空间关系信息未有效利用，虚警产生区域随机等问题，采用雷达信号图数据目标检测方法，将信号序列映射为节点，根据节点关系信息对边进行定义，构建雷达信号图数据，充分利用雷达信号中时间、空间信息，结合雷达信号频率等特征进行检测。相比于传统神经网络，该方法在相同虚警率下检测概率提升10%-15%，尤其是在远离目标的区域虚警可以得到有效抑制。

结论与展望

所提方法利用雷达信号一维序列幅度、时频域特征，和二维信号频率特征、时间、距离等多维信号特征，已在X波段CSIR和IPIX等公开数据集进行了验证，并基于数字阵列雷达样机开展了对海探测试验，初步验证了方案的可行性，为对海雷达海上弱小目标信号智能处理提供技术支撑。

报告视频

报告PPT

本报告PPT共37张。

博士简介

      苏宁远，男，1995.01生，2017年6月本科毕业于华中科技大学通信工程专业，2019年12月硕士毕业于海军航空大学电子与通信工程专业，目前信息与通信工程专业博士在读。已发表论文10篇，其中SCI论文1篇，EI论文4篇，申请专利5项，获雷达学报2018年度高被引论文（1）、中国精品科技期刊顶尖学术论文F5000（1）、现代雷达优秀论文二等奖（1），在2020年全国雷达年会、2018年ICCSIP会议做口头报告，参与科研项目4项。

了解其他学术报告，请点击下面阅读原文。↓↓↓

相关阅读

编辑：李铭典 

审核：岳冰莹 贾守新 

声明

欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。

本号发布信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及文字、图片、版权等问题，请在20日内与本号联系，我们将第一时间处理。《雷达学报》拥有最终解释权。