Resumen

El uso de algoritmos de redes neuronales tradicionales para adaptarse al reconocimiento de objetivos de perfil de alta resolución (HRRP) es un problema complejo en el campo actual del reconocimiento de objetivos por radar. Bajo la premisa de analizar en profundidad la estructura y el algoritmo de la red de memoria a corto plazo (LSTM), este estudio utiliza un modelo de atención para extraer datos de la secuencia. Construimos un modelo de red de secuencia paralela dual para la clasificación y el reconocimiento rápidos y para mejorar eficazmente la estructura inicial de la red LSTM al tiempo que se reducen las capas de la red. A través de la demostración mediante el diseño de experimentos de control, se demuestra el rendimiento de reconocimiento de objetivos del HRRP. Los resultados experimentales muestran que el algoritmo de memoria a corto plazo bidireccional (BiLSTM) tiene ventajas evidentes sobre el método de coincidencia de plantillas y las redes LSTM iniciales. El algoritmo BiLSTM mejorado propuesto en este estudio ha mejorado significativamente la precisión de reconocimiento de objetivos del radar HRRP, lo que ha aumentado la eficacia del algoritmo mejorado.

• Materias:Radiofrecuencia Teoría de Antenas Redes Inalámbricas Banda ancha Ondas de radiofrecuencia
• Subjects:Radio frequency Antenna theory Wireless Networks Broadband Radio frequency waves
• Palabras claves:red lstm inicial, memoria de términos, rendimiento de reconocimiento de objetivos, perfil de rango de resolución, métodos de coincidencia de plantillas, objetivo de radar actual, estructura de red lstm, algoritmo de red neural, modelo de red de secuencia, algoritmo bilstm mejorado
• Keywords:initial lstm network, terms memory, target recognition performance, resolution range profile, template matching methods, current radar target, lstm network structure, neural network algorithm, sequence network model, improved bilstm algorithm