首页|基于深度学习的海杂波谱参数预测与影响因素分析

基于深度学习的海杂波谱参数预测与影响因素分析

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
该文基于不同雷达参数和海洋环境参数条件下的岸基雷达海杂波实测数据,利用深度神经网络(DNN)建模技术,建立了从多个测量条件参数出发的海杂波多普勒谱参数预测模型,实现了独立于杂波数据、基于环境特征的海杂波谱特征认知,谱频移和展宽的预测精度达90％以上.基于该预测模型,该文提出了一种基于参数循环递减认知的多普勒谱影响因素分析方法,分析了不同测量参数对海杂波多普勒谱预测的影响,得到了谱参数随主要影响因素的变化规律,结果对基于多普勒特征的海面目标检测应用具有重要意义.
Sea Clutter Spectral Parameters Prediction and Influence Factor Analysis Based on Deep Learning

张玉石、李笑宇、张金鹏、夏晓云

展开 >

中国电波传播研究所电波环境特性及模化技术重点实验室 青岛 266107

海杂波 多普勒谱 深度神经网络 影响因素 预测模型

国家自然科学基金

U2006207

2023

10.12000/JR22133

雷达学报
中国科学院电子学研究所 中国雷达行业协会

雷达学报

CSTPCDCSCD北大核心EI
影响因子：0.667
ISSN：2095-283X
年,卷(期)：2023.12(1)
  • 1
  • 3