系统工程与电子技术

作者：施端阳, 林强, 胡冰, 杜小帅

单位：1. 空军预警学院防空预警装备系, 湖北 武汉 430019；2. 中国人民解放军95174部队, 湖北 武汉 430040；3. 中国人民解放军94005部队, 甘肃 酒泉 735000

关键词：航管一次雷达,深度学习,目标检测,YOLO

针对传统恒虚警率(constant false alarm rate, CFAR)检测方法检测率低的问题, 提出一种基于YOLO(you only look once)的深度学习雷达目标检测方法。首先, 利用同相正交(in-phase/quadrature, I/Q)数据匹配滤波后形成的雷达原始图像自建雷达目标图像数据集。然后, 改进YOLO检测模型的网络结构、特征融合策略和损失函数以提高模型的精度, 并引入迁移学习思想, 利用预训练的深度学习网络提取图像特征, 降低了检测模型对训练样本量的要求。最后, 在自建数据集上对YOLO目标检测方法进行了实验验证。航管一次雷达实测数据的实验证明: 与传统CFAR检测方法和两阶段的快速区域卷积神经网络(region convolutional neural networks, R-CNN)检测方法相比, 所提方法的目标检测率大幅提高, 虚警率明显降低, 且实现了实时检测。

来源：2023年第1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2023年第1期