李月琴，张红莉，张 维，米雅洁，修丽梅

(北京联合大学 智慧城市学院， 北京 100101)

1 引言

高分辨距离像(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，同时包含了丰富的目标结构、形状和尺寸信息[1]。与SAR图像和ISAR图像相比，HRRP更易于处理和获取[2]，因此成为雷达自动目标识别领域的研究热点。

传统的HRRP目标识别方法主要有：自适应高斯分类器模型、K近邻法(KNN)、因子分析模型[3]、字典学习[4]、支持向量机(SVM)等[5]。但目前传统的识别方法主要基于雷达数据的浅层结构特征，难以避免造成部分信息的丢失，以致最终的HRRP目标识别精度有限。深度学习已在图像和语音等领域得到成功应用[6-7]，因此部分学者开始研究基于深度学习的HRRP目标识别算法。与传统识别方法相比，深度学习算法能自主学习更高层次的结构信息，完成不同目标的分类与识别。典型应用的方法有卷积神经网络(CNN)、堆栈自动编码器(SAE)、循环神经网络(RNN)、深度置信网络(DBN)等[8-11]。其中，CNN能将特征提取和基于特征的分类识别相结合，它能够通过卷积的方式从HRRP信号中提取更高层次的特征信息，挖掘潜在的数据关联信息。目前 CNN 已经被有效运用于RATR领域[12]。文献[13]将CNN应用于军用和民用车辆的HRRP识别，对样本的距离像进行了32次复制，将一维距离像数据转换成二维图像数据。但该类方法只是单纯地复制距离像，并没有增加距离像的特征信息，虽然有利于CNN的搭建，但是增大了计算量。……