基于深度学习的HRRP识别姿态敏感性分析

特征提取是基于高分辨距离像(high resolution range profile,HRRP)的雷达目标识别的关键技术之一.传统人工提取特征的算法,仅利用浅层结构特征,无法有效解决姿态敏感性问题,从而限制了目标识别方法的泛化性.对此,提出一种基于深度学习的目标识别方法,并通过详细的姿态角性能测试分析了该方法的应用边界条件.通过构造适合处理HRRP的卷积神经网络(convolutional neural network,CNN)模型,充分发掘目标深层次姿态不敏感属性特征,完成高精度目标识别.基于实测数据的实验结果表明,所提方法具有一定的抗姿态敏感性特性,边界条件分析可为该方法的工程化应用提供指导.