發(fā)布時間：2020-12-21 15:44

　　利用全連接神經(jīng)網(wǎng)絡研究雷達點跡分類問題時,在模型訓練前需要對打上標簽的點跡數(shù)據(jù)進行預處理,不同的數(shù)據(jù)預處理方法,會影響模型訓練的效果。提出使用一種最大最小值聯(lián)合處理的方法,與常用的其它4種不同數(shù)據(jù)預處理方法進行對比,分析不同數(shù)據(jù)預處理方法對雷達點跡分類效果的影響。本文所用方法明顯優(yōu)于常用方法,不僅加快了網(wǎng)絡的學習訓練速度,也提高了模型的分類精度。 

【文章來源】：艦船電子對抗. 2020年05期

【文章頁數(shù)】：4 頁

【部分圖文】：

全連接神經(jīng)網(wǎng)絡結構

每100次迭代記錄訓練準確率和目標損失率,不同數(shù)據(jù)處理方式下,準確率和目標損失率隨迭代次數(shù)變化對比圖如圖2、圖3所示。圖3 不同數(shù)據(jù)處理方式_目標損失率對比圖

圖2 不同數(shù)據(jù)處理方式準確率對比圖結果表明,數(shù)據(jù)預處理方式不同,產(chǎn)生的訓練效果有明顯的差距,綜合考慮在降低目標損失率的情況下,盡量使準確率和雜波濾除率提高,本文所使用的數(shù)據(jù)預處理方法使模型分類精度達到94%,相對于常用數(shù)據(jù)預處理方法分類準確率分別提高19%、12%、8%和11%,同時目標損失率和雜波濾除率相較常用數(shù)據(jù)預處理方法也達到最小,模型的收斂速度更快。不同于常用數(shù)據(jù)預處理方法的單一性,本文方法不僅消除了不同特征的量綱和數(shù)值差異影響,同時也增加了不同特征參量之間的聯(lián)系,使模型有更好的訓練效果,更好地模擬了雷達點跡的數(shù)據(jù)特性。

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡的雷達目標航跡識別研究[J]. 樊玉琦,溫鵬飛,許雄,郭丹,劉瑜嵐.  強激光與粒子束. 2019(09)
[2]基于全連接神經(jīng)網(wǎng)絡的雷達目標航跡識別[J]. 馮訣宵,樊玉琦.  東北師大學報(自然科學版). 2019(03)
[3]基于點跡特征的氣象雜波抑制技術[J]. 王旭,蔡興雨,朱思橋,朱永杰.  火控雷達技術. 2017(02)
[4]雷達數(shù)據(jù)處理中的虛假航跡綜合抑制技術[J]. 戴霄.  艦船電子對抗. 2015(06)
[5]雷達數(shù)據(jù)處理中的雜波抑制方法[J]. 羅興旺,張伯彥,劉嘉,藺宏江,禹娟.  系統(tǒng)工程與電子技術. 2016(01)
[6]BP神經(jīng)網(wǎng)絡輸入層數(shù)據(jù)歸一化研究[J]. 柳小桐.  機械工程與自動化. 2010(03)



本文編號：2930084