端到端全复数域SAR目标分类神经网络

作     者：方澄 管方恒 李天驰 邹政峰 杨磊 FANG Cheng;GUAN Fang-heng;LI Tian-chi;ZOU Zheng-feng;YANG Lei

作者机构：中国民航大学电子信息与自动化学院天津300300 

出 版 物：《电子学报》 (Acta Electronica Sinica)

年 卷 期：2024年第52卷第7期

页      面：2449-2460页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(No.62271487) 中国民用航空局安全能力建设基金(No.KLZ49420200019,No.KLZ49420200023)~ 

主　　题：合成孔径雷达 相位信息 全复数域 端到端 神经网络 

摘      要：合成孔径雷达(Synthetic Aperture Radar,SAR)图像探测经常遇到误差敏感和计算量大的问题,给SAR图像目标识别带来困难,为此研究人员针对SAR数据提出很多新颖高效的深度学习方法,但面向SAR目标识别的深度学习网络大多使用与光学实值处理相同的方法,直接将实值深度神经网络应用于SAR图像.实值的神经网络都不同程度丢失了相位信息,不能充分利用SAR数据复数特性.相位信息是SAR图像独有的数据特征,在SAR干涉测量、信息检索、目标识别等应用中起到至关重要作用.本文为了使网络更适合SAR复数数据特征提取,打破传统神经网络架构,将整体网络端到端复数化,提出一种新型的端到端全复数域多层级神经网络(Complex-valued mUltI-Stage convolutIonal Neural nEtworks,CUISINE)架构,从SAR复数图像数据的输入到卷积计算,再到分类标签,实现全网络复数域下的计算.通过在MSTAR(Moving and Stationary Target Acquisition and Recognition)公开数据集上实验对比表明,本文的方法在SAR数据目标分类上有很好表现,在相位误差为0 rad的测试集上正确率达到99.42%,在相位误差为50 rad的测试集上正确率达到88.05%.