基于自注意力1dCNN的雷達目標識別方法及教研系統(tǒng)設計[人工智能][通信網(wǎng)絡]

雷達目標識別是實現(xiàn)對環(huán)境態(tài)勢感知的重要技術(shù)手段，隨著人工智能的快速發(fā)展，深度學習已成為雷達目標感知領域的主流研究方法。首先介紹了基于編碼-解碼網(wǎng)絡的信號增強方法，該方法結(jié)合雷達目標物理模型可實現(xiàn)對含噪信號的準確特征保持和信號恢復。進一步，提出了一種基于自注意力一維CNN（Self-attention 1dCNN， S-1dCNN）的雷達目標識別方法，該方法利用一維卷積神經(jīng)網(wǎng)絡對雷達目標回波信號進行特征學習，有效挖掘距離維的目標支撐區(qū)結(jié)構(gòu)信息，所提方法結(jié)合自注意力機制，關(guān)注與目標結(jié)構(gòu)信息相關(guān)的特征，提升所學特征的表征能力，進而提升模型的目標識別性能?；谖孱悓崪y民航飛機目標回波數(shù)據(jù)的實驗結(jié)果表明，信號增強模型可以準確地去除噪聲且保持目標結(jié)構(gòu)特性，將信號增強后的信號輸入所提S-1dCNN模型中，具有較高的識別準確率。同時，基于MATLAB工具設計了基于雷達目標識別可視化界面的教研系統(tǒng)，包括數(shù)據(jù)預處理和識別算法等模塊，實現(xiàn)多功能操作交互。該軟件將抽象算法轉(zhuǎn)為可視化流程，可以提升雷達目標識別課程教學的效果。

發(fā)表于：2025/11/14 15:52:05