人工智能相關(guān)文章

基于自注意力1dCNN的雷達目標(biāo)識別方法及教研系統(tǒng)設(shè)計

雷達目標(biāo)識別是實現(xiàn)對環(huán)境態(tài)勢感知的重要技術(shù)手段,隨著人工智能的快速發(fā)展,深度學(xué)習(xí)已成為雷達目標(biāo)感知領(lǐng)域的主流研究方法。首先介紹了基于編碼-解碼網(wǎng)絡(luò)的信號增強方法,該方法結(jié)合雷達目標(biāo)物理模型可實現(xiàn)對含噪信號的準(zhǔn)確特征保持和信號恢復(fù)。進一步,提出了一種基于自注意力一維CNN(Self-attention 1dCNN, S-1dCNN)的雷達目標(biāo)識別方法,該方法利用一維卷積神經(jīng)網(wǎng)絡(luò)對雷達目標(biāo)回波信號進行特征學(xué)習(xí),有效挖掘距離維的目標(biāo)支撐區(qū)結(jié)構(gòu)信息,所提方法結(jié)合自注意力機制,關(guān)注與目標(biāo)結(jié)構(gòu)信息相關(guān)的特征,提升所學(xué)特征的表征能力,進而提升模型的目標(biāo)識別性能。基于五類實測民航飛機目標(biāo)回波數(shù)據(jù)的實驗結(jié)果表明,信號增強模型可以準(zhǔn)確地去除噪聲且保持目標(biāo)結(jié)構(gòu)特性,將信號增強后的信號輸入所提S-1dCNN模型中,具有較高的識別準(zhǔn)確率。同時,基于MATLAB工具設(shè)計了基于雷達目標(biāo)識別可視化界面的教研系統(tǒng),包括數(shù)據(jù)預(yù)處理和識別算法等模塊,實現(xiàn)多功能操作交互。該軟件將抽象算法轉(zhuǎn)為可視化流程,可以提升雷達目標(biāo)識別課程教學(xué)的效果。

發(fā)表于:11/14/2025