论文部分内容阅读
由于飞行器使用的低可观察性设计,为了提高雷达高分辨率距离像(HRRP)目标识别的鲁棒性,提出了一种基于全局目标概率HRRP目标识别算法,该算法采用深度卷积神经网络从HRRP自动提取目标特征并进行目标识别.提出利用多基地雷达系统提供的空间分集,对不同目标类别的分类器的本地输出概率进行平均,将最高的全局目标概率与阈值进行比较,以获得用于最终分类的全局目标概率,从而提高了目标识别的鲁棒性,使隐形目标的检测和识别更加可靠.仿真结果表明,即使在低信噪比的情况下,所提出的算法可以显著提高分类的可靠性.