基于自注意力1dCNN的雷達(dá)目標(biāo)識(shí)別方法及教研系統(tǒng)設(shè)計(jì)[人工智能][通信網(wǎng)絡(luò)]

雷達(dá)目標(biāo)識(shí)別是實(shí)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(xué)習(xí)已成為雷達(dá)目標(biāo)感知領(lǐng)域的主流研究方法。首先介紹了基于編碼-解碼網(wǎng)絡(luò)的信號(hào)增強(qiáng)方法，該方法結(jié)合雷達(dá)目標(biāo)物理模型可實(shí)現(xiàn)對含噪信號(hào)的準(zhǔn)確特征保持和信號(hào)恢復(fù)。進(jìn)一步，提出了一種基于自注意力一維CNN（Self-attention 1dCNN， S-1dCNN）的雷達(dá)目標(biāo)識(shí)別方法，該方法利用一維卷積神經(jīng)網(wǎng)絡(luò)對雷達(dá)目標(biāo)回波信號(hào)進(jìn)行特征學(xué)習(xí)，有效挖掘距離維的目標(biāo)支撐區(qū)結(jié)構(gòu)信息，所提方法結(jié)合自注意力機(jī)制，關(guān)注與目標(biāo)結(jié)構(gòu)信息相關(guān)的特征，提升所學(xué)特征的表征能力，進(jìn)而提升模型的目標(biāo)識(shí)別性能。基于五類實(shí)測民航飛機(jī)目標(biāo)回波數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，信號(hào)增強(qiáng)模型可以準(zhǔn)確地去除噪聲且保持目標(biāo)結(jié)構(gòu)特性，將信號(hào)增強(qiáng)后的信號(hào)輸入所提S-1dCNN模型中，具有較高的識(shí)別準(zhǔn)確率。同時(shí)，基于MATLAB工具設(shè)計(jì)了基于雷達(dá)目標(biāo)識(shí)別可視化界面的教研系統(tǒng)，包括數(shù)據(jù)預(yù)處理和識(shí)別算法等模塊，實(shí)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(dá)目標(biāo)識(shí)別課程教學(xué)的效果。

發(fā)表于：11/14/2025 3:52:05 PM