系统工程与电子技术

作者：欧阳彤, 汪玲, 朱岱寅, 李勇

单位：南京航空航天大学电子信息工程学院, 江苏 南京 211106

关键词：气象雷达,气象目标识别,残差网络,轻量级梯度提升机,融合,深度学习

基金：工信部民机专项(MJ-2018-S-28)

为精确识别气象目标与混杂其中的非气象目标，提出一种融合轻量级梯度提升机(light gradient boosting machine，LightGBM)与残差网络的残差网络(residual network of residual network: next generation, ResNeXt) 的气象目标识别方法。首先，制作块状样本数据集，以此数据集为驱动，建立以ResNeXt为基础的气象目标识别网络模型，实现以块状数据样本为识别单位的气象目标粗粒度识别，识别精度可达99.6%以上；然后，再将此粗粒度结果与参考数据的差异值纳入LightGBM分类器，得到以雷达采样单元为识别单位的细粒度识别结果。结合实际观测数据，证明所提方法融合了LightGBM细粒度识别与ResNeXt高精度识别的能力，能够完成气象目标与杂波的判别，判别结果与参考结果高度一致。结合实际观测数据，证明所提方法融合了LightGBM细粒度识别与ResNeXt高精度识别的能力，能够完成气象目标与杂波的判别，判别结果与参考结果高度一致。

来源：2024年第12期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2024年第12期