文档介绍：该【基于卷积神经网络的雷达目标检测方法综述 】是由【书籍1243595614】上传分享，文档一共【4】页，该文档可以免费在线阅读，需要了解更多关于【基于卷积神经网络的雷达目标检测方法综述 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。 : .
!"#$%&'(．２０２１．２９（２）
!"#$%&' 犆狅犿狆狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾 · ４９ ·
6789：１６７１ ４５９８（２０２１）０２ ００４９ ０４ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０２１．０２．０１１ :;<=9：ＴＮ９５ 6>?***@A：Ａ
BC1234Y5Fýþz?N!
! Z，[\]
（ã]^5Âlòö Y５４BC，¢ ０５００８１）
RS：DuV$cîîÒVRD<QÜ\ãA8 ，äø$O'nZrýã×CÛ8A©|；cdX"
!uV$?¹ÇäAáâ.[ÕdÓæ、>?÷aáâ6D!%ÞTÿnvw，ºvÒJKZçoq¨ÃAD
uV$?¹；HD²`<Q\Ü\ÄOhA:0－¯xשËxEA~l$Ml，R!JKＦａｓｔｅｒＲ－ＣＮＮA
DuV$xE，~xE$M¶&X"!uV$"¹¶¡AÓ，R!AxEºÿPDuV$½¿,
Ó2÷ÔÕP!%，ÉÈÉZçoq¨Ã[|KD²`<QAÜ\ ãRG~A。
TUV：hq3；Zçoq¨Ã；D；uV$
犚犪犱犪狉犜犪狉犵犲狋犇犲狋犲犮狋犻狅狀犅犪狊犲犱狅狀犆狅狀狏狅犾狌狋犻狅狀犪犾犖犲狌狉犪犾犖犲狋狑狅狉犽
ＺｈａｎｇＸｕａｎ，ＧａｏＹｕｅｑｉｎｇ
（５４ｔｈＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＣＥＴＣ，Ｓｈｉｊｉａｚｈｕａｎｇ ０５００８１，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｒａｄａｒｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｈａｓｂｅｅｎａｎｉｍｐｏｒｔａｎｔｔａｓｋｉｎｒａｄａｒｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｉｎｒｅｃｅｎｔｙｅａｒｓ，ａｎｄｉｔｐｌａｙｓａｖｅｒｙｉｍｐｏｒ
ｔａｎｔｒｏｌｅｉｎｄｅｔｅｃｔｉｏｎｓｅｃｕｒｉｔｙｆｉｅｌｄｓ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｔｈａｔｔｒａｄｉｔｉｏｎａｌｃｏｎｓｔａｎｔｆａｌｓｅａｌａｒｍｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｓｈａｖｅｗｅａｋ
ｅｎｖｉｒｏｎｍｅｎｔａｌａｄａｐｔａｂｉｌｉｔｙａｎｄｔｈｅｒａｐｉｄｉｎｃｒｅａｓｅｉｎｔｈｅｎｕｍｂｅｒｏｆｒａｄａｒｆａｌｓｅａｌａｒｍｓｉｎｃｏｍｐｌｅｘｔｅｒｒａｉｎｅｎｖｉｒｏｎｍｅｎｔｓ，ａｔａｒｇｅｔｄｅｔｅｃ
ｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｉｓｐｒｏｐｏｓｅｄ．ＴｈｅＲａｎｇｅ－Ｄｏｐｐｌｅｒｉｍａｇｅｏｂｔａｉｎｅｄｂｙｒａｄａｒｅｃｈｏｄａｔａｐｒｏｃｅｓｓｉｎｇｉｓ
ｕｓｅｄａｓｔｈｅｔｒａｉｎｉｎｇａｎｄｔｅｓｔｓｅｔ，ａｎｄｔｈｅｔａｒｇｅｔｄｅｔｅｃｔｉｏｎｍｏｄｅｌｉｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎｔｈｅＦａｓｔｅｒＲ－ＣＮＮｓｔｒｕｃｔｕｒｅ．Ｔｈｅｔｒａｉｎｉｎｇａｎｄ
ｔｅｓｔｒｅｓｕｌｔｓａｒｅｃｏｍｐａｒｅｄｗｉｔｈｔｈｅｒｅｓｕｌｔｓｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｃｏｎｓｔａｎｔｆａｌｓｅａｌａｒｍｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｌｇｏｒｉｔｈｍ．Ｔｈｅｍｏｄｅｌｉｍｐｒｏｖｅｓｔｈｅ
ａｃｃｕｒａｃｙｏｆｔａｒｇｅｔｄｅｔｅｃｔｉｏｎａｎｄｇｒｅａｔｌｙｒｅｄｕｃｅｓｔｈｅｎｕｍｂｅｒｏｆｆａｌｓｅａｌａｒｍｓ，ｗｈｉｃｈｓｈｏｗｓｔｈａｔｉｔｉｓｆｅａｓｉｂｌｅｔｏａｐｐｌｙｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕ
ｒａｌｎｅｔｗｏｒｋｓｔｏｒａｄａｒｅｃｈｏｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｔａｓｋｓ．
犓犲狔狑狅狉犱狊：ｄｅｅｐｌｅａｒｎｉｎｇ；ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ；ｒａｄａｒ；ｔａｒｇｅｔｄｅｔｅｃｔｉｏｎ
０ 2W PuÁA\©Ë~ã4，ÉäÏ[|ãRAÓúû
A。ôg，uAIJ¾8£¤1=º»，djZA
Dk9２０Õ¸３０î«6Hî，HyO@、O
s、©|:0©、sD­n=©Iµ，úqäm°rý 8íÓÔ，-Ús、Úd，IJº»AúÅÒ«>qT£
^SûHU«A8?9，-ä=tu«<A aqÇBä，mnIJº»Ab%iûH¹º，ûë
¬á9㥭2PSGU«A¥=©|，d=tuA ìÏ[|ãdD×ØD、sDA8í。
×ØR=tÜuV$ãDA¤® ，R hq3"¹×ãh{IJº»Õd­2Ak.[
u«<AJp。 3Õd，ÕÖË\AGqÑÏvwº]úA 
¡·¸，fAhq3AJ4xE×kXá3P［１］、h
céî³1#ÂÃS¶)，Ûwã³1#A%2
qÁ<¨Ã［２］、Zçoq¨ÃnxE［３］，yãZçoq¨Ã
%"，*¿'=j'³1#^×4r、u"çÎ、
V©»ÌnIµ，Ìsìñcd³1# åA×ØOæ xEúqäkêÜ\、y、×nrý­
2vP2©|［４６］。hq3äDÂÃrýú×ÒQ[
w，O³1#°:1­，¢Z°¡
ZPî2Ï#。³1#þ(WXRcd³1#uA |¶，78lãäd7¸D （ＳＡＲ，ｓｙｎｔｈｅｔｉｃａｐ
ｅｒｔｕｒｅｒａｄａｒ）u×Ü\¦Ñ［７１１］，õ{|Zçoq¨
ø$A8Xó，³1#þ(WX78|K8÷、2
X、-âH#nùýAr=³1#Ç¢，78dzd ÃdＳＡＲu×@~Ü\［１２］，{|h{HIá3dＳＡＲ
!ËC¹°ÏcAÎE|³1#。³1#þ(WX u¥¦×@~Ü\n［１３］，%[|KD²`<QÜ\
dDA8íCÛÉ¿，¾8ä$ãø$hAXuã AxEÕ，QRH²`<QqÜ\üÄOhA:0－
p¿v³1#u，£yÎXu。Tó， ¯xשËBCd!，Ã|hq3"¹，dD
DuV$"¹Ò§KO¤3，"¹£¤2% uAV$ 。
()*+：２０２０ １１ ２４； ,-*+：２０２０ １２ ２１。
Bxyz：YZw25¶ðÑÝ（２０１５ＣＧＺＨ－１１）。
./01：) （１９９５ ），,，ýÏ1，ÉlBC6，789:<Q&<_Ü\?***@ABC。
2345：) ，Ô'．JKZçoq¨ÃADuV$?¹［Ｊ］．!"#$%&'(，２０２１，２９（２）：４９ ５２，５７．
X)YZ：ｗｗｗ．ｊｓｊｃｌｙｋｚ．ｃｏｍ : .
· ５０ · !"#$%&'( Y２９Z
１ Pz?N!á KuV$ã。ＦａｓｔｅｒＲ－ＣＮＮ Ëݬxz：YÒ¬x
zA{|òU¨Ã×AIJ，Y·¬xzR{|
DuV$AARäij?`ïð6­¥
hqZçoq¨Ãî6ud!******@Qb，Yݬx
Au。ij?`RdV$DÕïðÍ2AgÆóK，
zR{|6******@QbK ＦａｓｔｅｒＲ－ＣＮＮ uV$P。
XDuV$|"!V$"¹ （ＣＦＡＲ，ｃｏｎｓｔａｎｔｆａｌｓｅ
¡ÓK Ｒ－ＣＮＮ"¹，ＦａｓｔｅｒＲ－ＣＮＮ {|Zç¨ÃkX
ａｌａｒｍｒａｔｅ），"¹dD?`@~P"!,«Ü\，âãV
|******@Qs，ＦａｓｔｅｒＲ－ＣＮＮ ã|î6***@QsA
$û$AÐÑKk.[÷(V$$Þ，%RÉãiû
ＣＮＮuV$¨ÃA ＣＮＮU»，äºÔ***@Qsb
×?`ÚÂ，uV$éRäÇä?`ijAáâ6
%AÌs******@Qs22ÔÕ，ÙÚP¨Ã~V
A。"!V$"¹R!5äݬôRJpT：
$st。
１）:0－¯x×Óij、?`§±uÝÆ
ＲＰＮ （ｒｅｇｉｏｎｐｒｏｐｏｓａｌｎｅｔｗｏｒｋ）R ＦａｓｔｅｒＲ－ＣＮＮ A
 ，yãijAØ«-^SÒ«¥D，?`§±
¤®，yM１，ÓÒ¬ãtZç{<KZç{üÄ
RÓáâ¡«S^S¥D，uAIJ&fËH×Ó2
A{&²${ 。ＲＰＮ A4bRJK3bA³
í>；
uV$P，yRZç{º»AIJ，IJA2
２）GHuV$vwð7Ë:0－¯x×?Â
λ¡KZç{A。ＲＰＮ HIJTAЬ×K
ij、ä?`§±uã!IJ=vuÝ；
µËã®，{|3Xbº»IJ，õ２，äIJ
３）XA$ÞV$ã$ÞARuAÒ¬IJ，Q»
TAЬ×KµT{| Ａｎｃｈｏｒ#(6９¬s，s×３
¯¬IJ IJ=t，V$vwð7ËIJ=tMD
SÌ_`：１２８１２８、２５６２５６５１２５１２，¬_`
gAvw。
Òd[P３¬SÌAu÷A：１：１、１：２２：１，Ьs
"!V$"¹©ËefÍÛ|AuV$"¹，ä
Òd[P*ó×ãAÒ¬<ý，¡¢<ýA_`Ôu
Ï[|ã，ÇäH6vw：
<_。{²${\ZçüÄOhAIJ@%Ａｎ
１）"!V$"¹RcdI«wÒA?`uû$
ｃｈｏｒ#(º»hA<ýA_`Ôu<_，!"ìò
ºvA，I«AV$"¹A.[KI«Auû$，eû
G<ÁìòG，OhЬ<ýd[AÁ<q，
$­6ÐÑs*"¹V$Ø,æ22]r，ûëìÏ
|îï¶;<ýR,¡«u，d×uA<ý，|-
[|ãdV$,!,A¾í。
s²$A?¹½***@Qsy]c6s。¡AKõ
２）/ÇZ8í：¾8Ò«A\X!Ï/ÇA?¹
ＦａｓｔＲ－ＣＮＮã|A******@Q<ý"¹，ＲＰＮÚsÚ，
¿«u2nA<Á、2În<_。
ÕÖ22ºÿ¨Ã~V$Añq。
３）eû$ij?`­Aáâ6，û$ãAïðÕ
%Ív$Þ9A%¯，V$,!,tAÐO
]ÉU，V$"¹òØ。
"!V$"¹8íu&û$ij×Ó2A­qí
>，K-¾8ô«û$?ijN9ÔTØ［１４１８］，Ìs"
¹ãA^"
R«¾8èJuA_`<_，;"¹ä
»wA$ã×ã¡defA|。
２ BC犉犪狊狋犲狉犚－犆犖犖Fýþz?N!b6
２１ 犉犪狊狋犲狉犚－犆犖犖78
１ ＲＰＮ
Zçoq¨Ã （ＣＮＮ，ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ）
RÒP×ZçAhqoq¨Ã，78Ó{、Z
ç{、ØÑ{、
{&v{５Æ 。{|
î*óA×；Zç{R¨ÃãÍ8AÆ，
;ZçV©ÕÖd×@~IJº»OhIJ；
ØÑ{Ò§RÁäZç{üÄ，Û|AØÑ?¹×Í2Ø
Ñ¥9ØÑ，ÕÖÔÕ
{ãA¨Ã
，ÔÕ(
¬¨ÃA
，hÔÕ!"%AA；
{Ò§Ç
äKZç{ØÑ{üÄ，|îZç{ØÑ{vA
<_«%ÓÔAIJ@~，H¨ÃA 。
ö¨Én1ä２０１５îºv ＦａｓｔｅｒＲ－ＣＮＮ "¹［１９］，
|ＦａｓｔｅｒＲ－ＣＮＮ"¹@~uV$¾stËu©
û'，oqÔ、ñqNA "¹2ef[| ２ ＲＰＮãA Ａｎｃｈｏｒ#(
ＦａｓｔｅｒＲ－ＣＮＮ
X)YZ：ｗｗｗ．ｊｓｊｃｌｙｋｚ．ｃｏｍ : .
Y２¬ ) ，n：JKZçoq¨ÃADuV$?¹ · ５１ ·
ＦａｓｔｅｒＲ－ＣＮＮô>M３，^"A=©¹Ë：
１）úKuA~×；
２）×hIJº»¨Ã@~IJº»；
３）{|ＲＰＮ6ud!V$******@Qs；
４）Ö***@QsäÿhZç¨ÃAÍÄÒ{IJT；
５）ＲｏＩØÑ{OЬＲｏＩ6ö«âqAIJ@%；
６）{|ø$ç,ø$²$$sA
<ÁO«$-s<Á]c69。
４ IJº»¨Ã
３ ＦａｓｔｅｒＲ－ＣＮＮ"¹ô>
２２ ýþz?N!b6LQ
4¸R!AV$xEÆËu&û$Ë
E。uV$xEJK ＦａｓｔｅｒＲ－ＣＮＮ xEA@~
，dＲＰＮ&ＦａｓｔＲ－ＣＮＮË2Æ@~R!。
ＲＰＮAR!õ6：
１）Zç{１：３２¬2ÎË３×３AZç¤；
） ： ； ５ :0－¯x\ã
２ Zç{２ ６４¬３×３2ÎZç¤
３）ØÑ{：|Í2ØÑA?F，ØѼ¸Ë２，Ø
Æ；·RV$Æ。~ ＲＰＮ AìòGRÓ
ѳýË２×２，GËＳｏｆｔｍａｘ；
ï«ìòG&_`(ìòGËÆ ，^"È
４）Zç{３：１２８¬３×３2ÎZç¤，GË
FË：
ＲｅｌｕG。
犔（｛ ｝，｛狋｝）＝ １ 犔 （ ， ）＋λ １ 犔 （狋，狋）
５）ＲＰＮZç{：１２８¬３×３2ÎZç¤； 狆犻 犻 犖犮犾狊∑ 犮犾狊 狆犻 狆犻 犖狉犲 ∑狆犻 狉犲犵 犻 犻
犻 犵 犻
６）AÍÄÓˬZç{&²$+ yã：
ãA6u犻ÈáQ，犖犮犾狊Èи
Õ，Ë８¬１×１Zç¤１６¬１×１Zç¤。 &~A%，犔 Ëï«AìòG，犖 È
犮犾狊 狉犲犵
ＦａｓｔＲ－ＣＮＮAR!õ6： ƺ»hA%， ， Èd[áQA
狆犻 狆犻
１）Zç{１：３２¬2ÎË３×３AZç¤； 2ï«ËuAGÕD;A6uÁ， RËG
λ
２）Zç{２：６４¬３×３2ÎZç¤； A¥àW，犔 Ë_`(AìòG，狋，狋 È
狉犲犵 犻 犻
３）ØÑ{：|Í2ØÑA?F，ØѼ¸Ë２，Ø «Nu¡dK«R_`A(W&«R
ѳýË２×２，GËＳｏｆｔｍａｘ； 。
_`¡dKJp_`A(W
４）Zç{３：１２８¬３×３2ÎZç¤，GË ， ：
×O¤÷dＲＰＮ@~~ ½}ã4u«*0õ6
ＲｅｌｕG。 ） ，
１ u&ðuêV,2K０．７ ï«Ë
５）ＲｏＩＰｏｏｌｉｎｇ{：|K2ÎS¡ÌAIJ(Ë ；
½ã4
ÌãA2Î ）u&ðuêV,ÎK s，ï«
２ ０．３
６）¼Aˬ
{_`(& ；