一种基于CNN的雷达高压线目标检测方法技术

本发明专利技术公开了一种基于CNN的雷达高压线目标检测方法，将雷达回波以距离线的形式输入到设计的分组池化卷积神经网络(GPCNN,Group Pooling Convolutional Neural Networks)模型，通过卷积、分组池化、全连接和判别输出等处理得到目标检测结果。本发明专利技术提高了特征选择和提取的有效性，可实现多数据样本的同时检测，极大减少计算量，样本的提取、标注以及模型的训练难度低。

【技术实现步骤摘要】

本专利技术属于雷达，具体涉及一种雷达高压线目标检测方法。

技术介绍

1、恒虚警率(cfar，constant false alarm rate)检测器是目前最常用的雷达目标检测器，它根据检测单元附近的噪声和杂波强度的变化自适应地改变检测门限，以获得最大化的检测概率和恒定的虚警概率。虽然目前的检测器在早期的均值(ml)类cfar检测器已有了很多改进，但在非均匀杂波、杂波边缘和多目标等环境下检测器的性能将受到极大影响。

2、深度学习技术特别是卷积神经网络已在雷达领域初步应用，将其应用于复杂环境下的雷达目标检测，可有效从数据中学习到非均匀杂波、杂波边缘和多目标等环境下的目标及环境特征，从而提高目标检测的性能。

技术实现思路

1、为了克服现有技术的不足，本专利技术提供了一种基于cnn的雷达高压线目标检测方法，将雷达回波以距离线的形式输入到设计的分组池化卷积神经网络(gpcnn,grouppooling convolutional neural networks)模型，通过卷积、分组池化、全连接和判别输出等本文档来自技高网...

【技术保护点】

1.一种基于CNN的雷达高压线目标检测方法，其特征在于，包括如下步骤；

2.根据权利要求1所述的一种基于CNN的雷达高压线目标检测方法，其特征在于，所述分组数N＝2。

【技术特征摘要】

1.一种基于cnn的雷达高压线目标检测方法，其特征在于，包括如下步骤；

2.根...

【专利技术属性】
技术研发人员：李聃，罗旌胜，李勇，程伟，怀靓亮，张勇，季亚新，董理濛，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：