基于深度置信网络的高分辨率雷达距离像识别

为提高雷达目标识别准确率,提出了一种基于深度置信网络(DBN)的高分辨率雷达距离像(HRRP)识别方法.首先利用受限玻尔兹曼机(RBM)对HRRP数据进行逐层无监督训练,根据对比散度(CD)算法更新网络参数,通过误差重构设计DBN深度;而后利用反向传播(BP)机制对DBN模型参数进行有监督的微调;最后基于该模型实现了HRRP的分类与识别.实验结果表明,与传统神经网络相比,本文方法的识别准确率及噪声鲁棒性显著提高,识别准确率可提高8.5％.