基于融合网络的HRRP目标识别方法

作     者：吴文静 但波 王中训 

作者机构：烟台大学物理与电子信息学院 烟台大学智慧电网先进技术山东省数据开放创新应用实验室 海军航空大学 

出 版 物：《雷达科学与技术》 (Radar Science and Technology)

年 卷 期：2024年

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：国家自然基金重点项目(项目批准号:62293544) 

主　　题：高分辨距离像 BERT模块 MCNN网络 BiGRU网络 

摘      要：高分辨一维距离像（High Resolution Range Profile， HRRP）常应用于雷达自动目标识别领域，HRRP数据结构复杂，从中提取稳定可靠的特征是HRRP目标识别的关键，本文提出一种融合网络模型，用于舰船HRRP的目标识别。模型首先通过BERT (Bidirectional Encoder Representations from Transformers) 进行初步特征提取，再通过并行网络提取深度特征，左侧分支使用多尺度卷积神经网络 (Multi-scale Convolutional Neural Network， MCNN) 模块提取不同尺度的局部特征信息， 并通过SE (Squeeze-and-Excitation) 对卷积结果进行优化，更好地关注数据中的关键信息，右侧分支使用双向门控循环网络 (Bidirectional Gated Recurrent Unit， BiGRU) 捕捉序列中的长期依赖关系，结合多头注意力模块可以更好地捕捉不同位置间的相关性，最后对结果进行拼接，最大程度的利用不同网络的优势，提升模型的分类性能，实验结果表明，模型能够有效学习HRRP序列中的特征，有较好的识别性能。