【技术实现步骤摘要】
本专利技术属于雷达信号处理及深度学习，具体涉及一种基于深度卷积模型的雷达距离多普勒图像目标识别方法。
技术介绍
1、毫米波雷达目标识别作为雷达
中备受关注的研究方向之一，近年来已成为学术界与工业界的研究重点。该领域的广泛应用已覆盖军事和民用领域，并涵盖了飞机航行监测、无人驾驶汽车和救灾幸存者搜救等关键任务。目前，基于毫米波雷达的目标识别方法的基本步骤为：首先，对雷达信号进行处理，旨在提取道路目标的距离、速度、角度等信息并生成雷达图像。随后，将生成的图像数据划分为训练集、验证集和测试集，并输入到卷积神经网络分类的算法中，对图像进行特征选择和提取，最终实现对目标的准确分类。
2、近年来，深度学习技术不断发展成熟，在计算机视觉、自然语言处理、语音识别等众多领域取得了成功。人们发现卷积神经网络对图像有优秀的特征提取能力，因此越来越多的学者将深度学习其应用于雷达信号处理的模型中，并取得了较大的突破。然而，在将深度学习技术应用于道路目标检测的实际场景中，我们面临着以下两个重要的关键挑战：
3、第一，道路交通的复杂性对检...
【技术保护点】
1.一种基于深度卷积模型的雷达距离多普勒图像目标识别方法，所述方法包括：
2.根据权利要求1所述的基于深度卷积模型的雷达距离多普勒图像目标识别方法，其特征在于，步骤三中所述动目标显示滤波器包括两个级联的单延迟线MTI滤波器，其冲激响应表示为：
3.根据权利要求1所述的基于深度卷积模型的雷达距离多普勒图像目标识别方法，其特征在于，步骤五中的搭建针对距离多普勒图像的目标检测的深度卷积神经网络模型，具体包括：
4.根据权利要求3所述的基于深度卷积模型的雷达距离多普勒图像目标识别方法，其特征在于，步骤五中的在所述深度卷积神经网络模型中的主干...
【技术特征摘要】
1.一种基于深度卷积模型的雷达距离多普勒图像目标识别方法，所述方法包括：
2.根据权利要求1所述的基于深度卷积模型的雷达距离多普勒图像目标识别方法，其特征在于，步骤三中所述动目标显示滤波器包括两个级联的单延迟线mti滤波器，其冲激响应表示为：
3.根据权利要求1所述的基于深度卷积模型的雷达距离多普勒图像目标识别方法，其特征在于，步骤五中的搭建针对距离多普勒图像...
【专利技术属性】
技术研发人员：梁鑫鹏，施佳佳，蒙超扬，花冰，施佺，储柳，许致火，张永伟，郁正宇，
申请(专利权)人：南通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。