基于时频图深度学习的雷达动目标检测与分类

雷达动目标检测技术一直是雷达信号处理领域中的关键技术，而传统的雷达动目标检测技术仅适用于匀速运动目标，检测性能有限。针对该问题提出一种基于卷积神经网络(CNN)时频图处理的雷达动目标检测方法，通过从雷达动目标回波中提取多普勒频移信息，然后利用短时傅里叶变换转换为时频图，输入卷积神经网络，进行深度特征学习，进而实现检测和分类的目的。仿真数据验证表明，所提方法能够有效检测和区分匀速、匀变速运动以及微动目标，稳健性高，与传统动目标检测方法相比具有显著优势