·雷达智能信号处理专题·DOI:10．16592/j．cnki．1004－7859．2022．12．007基于帧间多维特征的深度学习雷达目标检测技术王治飞*1，2，3，于俊朋1，2，3，杨予昊1，2，3，夏凌昊1，2，3(1．南京电子技术研究所，南京210039)(2．中国电子科技集团公司智能感知技术重点实验室，南京210039)(3．江苏省探测感知技术重点实验室，南京210039)摘要:非均匀非平稳非高斯强杂波常导致基于能量的传统阈值检测方法目标检测率低或产生大量虚警，影响目标录取性能。一些工作探索了采用时频特征图基于机器学习的目标检测方法，但对于驻留时间短的雷达搜索应用，难以获得高分辨率时频特征，导致基于时频特征图的机器学习方法性能下降甚至失效。因此，提出了一种新的基于目标帧间多维特征的目标检测方法及相应的神经网络模型ＲDF-ＲesNet。通过在解模糊过程中提取疑似目标帧间多维特征并输入到ＲDF-ＲesNet中，实现在特征空间上对虚警的抑制，结合低阈值检测，实现检测率的有效提升。实测实验数据表明:文中所提方法可实现较传统阈值检测方法约41%的检测率提升和约48%的虚警率降低，能有效提升雷达目标检测能力，并为雷达回波特征空间的有效构建和机器学习雷达目标检测提供了新思路。关键词:多维特征;深度学习;卷积神经网络;目标检测中图分类号:TN953文献标志码:A文章编号:1004－7859(2022)12－0048－07引用格式:王治飞，于俊朋，杨予昊，等．基于帧间多维特征的深度学习雷达目标检测技术［J］．现代雷达，2022，44(12):48－54．WANGZhifei，YUJunpeng，YANGYuhao，etal．Ｒadartargetdetectionwithmulti-framemulti-dimensionalfeaturesbasedondeeplearning［J］．ModernＲadar，2022，44(12):48－54．ＲadarTargetDetectionwithMulti-frameMulti-dimensionalFeaturesBasedonDeepLearningWANGZhifei*1，2，3，YUJunpeng1，2，3，YANGYuhao1，2，3，XIALinghao1，2，3(1．NanjingＲesearchInstituteofElectronicsTechnology，Nanjing210039，China)(2．KeyLaboratoryofIntelliSenseTechnology，CETC，Nanjing210039，China)(3．JiangsuProvincialKeyLaboratoryofDetectionandPerceptionTechnology，Nanjing210039，China)Abstract:Strongnon-uniform，non-stationaryandnon-Gaussiancluttertypicallyleadstolowdetectionrateorhighfalse-alarmrateforconventionalthresholddetectionmethodsinenergydomain．Targetdetectionbasedonmachinelearningwiththetime-freque...
