【摘 要】
：
当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序
【基金项目】
：
国家自然科学基金(61931021,U1933135,61871391,61871392),国防科技基金(2102024),山东省重点研发计划(2019GSF111004)资助
论文部分内容阅读
当前海面目标检测方法多基于统计理论,检测性能受背景统计特性假设的影响,本文从信号预测和特征分类两个角度,分别采用长短时记忆网络(LSTM)和卷积神经网络(CNN)对信号时间序列幅度信息进行处理,用于海上目标一维序列雷达信号检测,该方法不需事先假设背景统计特性,泛化能力更强。基于LSTM序列预测的目标检测方法通过用海杂波信号幅度时间序列对网络进行训练,再用训练后的网络对后续序列进行预测,并与后续实测信号进行比较,实现目标检测。基于CNN序列分类的目标检测方法中采用截取的海杂波信号和目标信号幅度序列作为数据集
其他文献
文章分析哺乳仔猪生理特点,阐述加强哺乳仔猪管理的重要性。在此基础上,就加强仔猪饲养管理,提供相应的技术借鉴要点。饲养技术方面,做好断奶关和补料关;管理技术方面,注意做
为了提高沉管隧道建设中抓斗船挖掘平整精度,基于实时定位动态技术(RTK)卫星定位的抓斗船的挖掘控制系统,研究出一种高平整度挖掘方法。首先,分析抓斗船施工特点,制订高平整度工艺;其次,根据抓斗挖掘位置及下放深度,针对不同抓斗建立3种检测计算模型:平面定位模型、潮位RTK模型、抓斗计算模型。8 m~3抓斗使用平整度模型后平整度偏差由0.823 m缩小至0.190 m,大大提高了抓斗船挖掘过程中的深度精