Resumen

Abordando el problema del reconocimiento de objetivos de radar de Perfil de Rango de Alta Resolución (HRRP) bajo condiciones de baja relación señal-ruido, se propone un método de reconocimiento basado en la Red Generativa Antagónica de Mínimos Cuadrados Ingenuos Condicional (CN-LSGAN), la Transformada de Fourier de Tiempo Corto (STFT) y la Red Neuronal Convolucional (CNN). Combinando la Red Generativa Antagónica de Mínimos Cuadrados (LSGAN) con la Red Generativa Antagónica de Wasserstein con Penalización de Gradiente (WGAN-GP), se presenta el CN-LSGAN y se aplica a la reducción de ruido de HRRP. Las características en dominio de frecuencia y fase de HRRP son obtenidas mediante STFT para facilitar el aprendizaje de características y también para que coincidan con el formato de datos de entrada de la CNN. Estos resultados experimentales muestran que el CN-LSGAN tiene un mejor rendimiento en la ampliación de datos y puede evitar eficazmente el colapso del modelo en compar

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Reconocimiento de objetivos de radar; Perfil de Rango de Alta Resolución; Red Generativa Antagónica de Mínimos Cuadrados Ingenuos Condicional; Transformada de Fourier de Tiempo Corto; Red Neuronal Convolucional; Aumento de datos
• Keywords:Radar target recognition; High-Resolution Range Profile; Constrained Naive Least-Squares Generative Adversarial Network; Short-time Fourier Transform; Convolutional Neural Network; Data augmentation