雷达学报

作者：汪翔, 汪育苗, 陈星宇, 臧传飞, 崔国龙

单位：1.电子科技大学信息与通信工程学院 成都 611731；2.电子科技大学长三角研究院 衢州 324000；

关键词：雷达目标检测, 海杂波, 深度学习, 卷积神经网络, 特征融合

基金：国家自然科学基金(62271126)，衢州市财政资助科研项目(2022D008, 2022D005)，广东省重点领域研发计划(2020B090905002)，高等学校学科创新引智计划(B17008)

该文考虑了海杂波环境下的雷达目标检测问题，提出了一种基于深度学习的海面目标检测器。该检测器通过融合从不同数据源中提取的多种互补性特征以增加目标和杂波的差异性，从而提升对海面目标的检测性能。具体来说，该检测器首先利用两个特征提取分支分别从距离像和距离多普勒谱图中提取多层次快时间特征和距离特征；然后，设计局部-全局特征提取结构从特征的慢时间维度或多普勒维度提取序列关联性；接着，提出基于自适应卷积权重学习的特征融合模块，实现快慢时间特征和距离多普勒特征的高效融合；最后，对多层次特征进行融合、上采样和非线性映射获得检测结果。基于两个公开雷达数据集上的实验验证了所提检测器的检测性能。

来源：2024年第3期

《雷达学报》期刊编辑部

查看雷达学报杂志2024年第3期