|
|||||
|
|
| 采用改进型AlexNet的辐射源目标个体识别方法 | |
| 引用本文： | 徐 雄. 采用改进型AlexNet的辐射源目标个体识别方法[J]. 国际商务研究, 2018, 58(6) |
| 作者姓名： | 徐 雄 |
| 作者单位： | 中国西南电子技术研究所，成都 610036 |
| 基金项目： | 国家重点研发计划（2017YFC1404900） |
| 摘 要： | 针对辐射源目标精确识别需求，结合以深度学习为代表的机器学习理论技术，提出将改进型AlexNet作为特征提取器，实现目标细微特征提取固化，形成智能化识别网络模型。以广播式自动相关监视（ADS-B）信号为实验对象，在机场实地采集了13个目标的ADS-B脉冲信号数据作为辐射源目标个体识别的训练和测试样本，利用AlexNet和改进的AlexNet验证了算法的有效性。结果表明，改进的AlexNet网络训练时间更快，综合识别率达到98.32%. |
| 关 键 词： | 广播式自动相关监视(ADS-B) 目标识别 深度学习 卷积神经网络 改进型 AlexNet |
Radiation source target individual recognition based on improved AlexNet |
|
| XU Xiong. Radiation source target individual recognition based on improved AlexNet[J]. International Business Research, 2018, 58(6) | |
| Authors: | XU Xiong |
| Abstract: | |
| Keywords: | ADS-B target recognition deep learning convolutional neural network improved AlexNet |
| 点击此处可从《国际商务研究》浏览原始摘要信息 | |
| 点击此处可从《国际商务研究》下载免费的PDF全文 | |