文献类型：期刊文章

作　　者：施赛楠[1] 董泽远[1] 杨静[1] 杨春娇[2]

SHI Sainan;DONG Zeyuan;YANG Jing;YANG Chunjiao(College of Electronic and Information Engineering, Nanjing University of Information Science & Technology, Nanjing 210044, China;The First Aircraft Institute of AVIC, Xi’an 710089, China)

机构地区：[1]南京信息工程大学电子与信息工程学院,江苏南京210044 [2]中国航空工业第一飞机设计研究院,陕西西安710089

出　　处：《系统工程与电子技术》

基　　金：国家自然科学基金(61901224);南京信息工程大学人才启动经费资助课题。

年　　份：2021

卷　　号：43

期　　号：1

起止页码：33-41

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：多维特征检测方法已成功运用于海面小目标探测中。针对人工特征提取的局限性,将检测问题转变为两分类问题,提出了一种基于时频图深度学习的目标检测方法。首先,将一维观测回波变换到二维时频域,并通过归一化时频图进行白化预处理。其次,建立半仿真含目标回波数据库,解决两类训练样本非均衡问题。然后,搭建迁移学习模型自主学习时频图特性,具有深度网络结构和减小训练代价的优势。最后,将两分类的概率值作为统计量,获得虚警可控的判决区域。基于IPIX实测数据实验结果表明:所提的检测器能深入挖掘目标和杂波的差异性,低信杂比下仍能有效提升海面小目标的探测能力。

关 键 词：海杂波 目标检测 时频图  迁移学习  

分 类 号：TN911.23]