[发明专利]一种基于卷积神经网络的SAR动目标检测方法在审
| 申请号： | 201910065920.4 | 申请日： | 2019-01-24 |
| 公开（公告）号： | CN109709536A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 刘喆;许晓晴 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G01S13/58 | 分类号： | G01S13/58;G01S7/02;G06N3/04 |
| 代理公司： | 成都虹盛汇泉专利代理有限公司 51268 | 代理人： | 王伟 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于卷积神经网络的SAR动目标检测方法，应用于SAR运动目标检测领域，针对现有技术存在的可用待检测目标辅助数据距离门个数要求高等缺陷，本发明的方法通过构建卷积神经网络，并对神经网络进行训练，根据神经网络检测得到的总多普勒频率、目标相对合成孔径的角度，计算得到目标速度，从而实现SAR动目标检测；具备在待检测目标辅助数据距离门个数少的情况下实现检测的优点。 | ||
| 搜索关键词： | 卷积神经网络 动目标检测 检测 目标辅助 神经网络 数据距离 运动目标检测 多普勒频率 合成孔径 构建 可用 应用 | ||
【主权项】：
1.一种基于卷积神经网络的SAR动目标检测方法，其特征在于，包括：S1、构建卷积神经网络；包括：4个卷积层、2个池化层、2个全连接层以及1个最终分类层共计9层，记为：第1层卷积层、第2层卷积层、第3层池化层、第4层卷积层、第5层卷积层、第6层池化层、第7层全连接层、第8层全连接层以及第9层最终分类层；第1层卷积层的卷积核大小为5×1，通道个数为64，第2层卷积层的卷积核大小为5×1，通道个数为96，第3层池化层的滤波器大小为3×3，步长为1，第4层卷积层的卷积核大小为5×1，通道个数为128，第5层卷积层的卷积核大小为5×1，通道个数为128，第6层池化层的滤波器大小为3×3，步长为2，第7层全连接层的输出节点为1000个；第8层全连接层的输出节点为192个；第9层最终分类层的输出节点为K个；S2、构建SAR动目标检测训练数据集；S3、根据步骤S2构建的SAR动目标检测训练数据集，对步骤S1构建的卷积神经网络进行训练；S4、根据经步骤S3训练后的卷积神经网络对待检测SAR回波数据进行检测，得到目标速度。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910065920.4/，转载请声明来源钻瓜专利网。
