基于LGBM和深度神经网络的HRRP目标识别方法
2022-05-13张红莉李月琴齐英杰
探测与控制学报 2022年2期
张红莉,李月琴,韩 磊,齐英杰,张 维
(1.北京联合大学智慧城市学院,北京 100101;2.北京理工大学机电学院,北京 100081)
0 引言
高分辨距离像(high resolution range profile, HRRP)是雷达各距离单元目标散射回波的矢量和,反映了目标散射点沿雷达径向距离方向上的分布情况,包含丰富的目标结构、尺寸和形状信息[1]。相对于SAR/ISAR图像,HRRP具有易于获取和计算简单等优势[2],因此,基于HRRP的目标识别成为雷达自动目标识别领域的研究热点。目前基于HRRP的识别主要有:字典学习[3]、模板匹配、统计识别、K近邻法、支持向量机(SVM)[4]、决策树等方法[5],但由于这些方法主要是基于雷达数据的浅层特征进行识别,难免会造成有效信息的损失,从而使得目标泛化能力低,识别准确率有待进一步提升[6]。而与传统识别方法相比,深度神经网络模型能自主学习更高层次的结构信息[7-8],完成不同目标的分类与识别,获得比传统识别方法更好的识别性能,在各个领域得到了广泛应用。
本文针对传统的HRRP目标识别方法识别率低、模型泛化能力不足等问题,提出基于LGBM和深度神经网络的HRRP目标识别方法。该方法使用LGBM特征选择算法对提取的HRRP特征进行二次选择,减少样本维度以提升速度;利用基于Dropout约束的深度神经网络对选择的最优目标特征进行分类。
1 算法模型的基本结构
基于HRRP的数据特点,搭建了适用于HRRP目标识别的LGBM及深度神经网络算法模型,如图1所示。LGBM是一种改进的梯度提升树(GBDT)算法,其主要思想是利用决策树迭代训练以提升学习器性能,支持高效的并行训练,具有准确率高、内存消耗低、训练速度快等优点。……
登录APP查看全文
