超级会员免费看
该博客演示了如何使用机器学习（支持向量机）和深度学习（SqueezeNet、LSTM）方法对雷达回波进行圆柱体和锥体目标分类。通过小波散射特征提取，结合预处理和模型训练，实现了高精度的分类效果。文章提供Matlab源码供读者实践。
一、前言
此示例展示了如何使用机器学习和深度学习方法对雷达回波进行分类。机器学习方法使用小波散射特征提取与支持向量机相结合。此外，还说明了两种深度学习方法：使用SqueezeNet的迁移学习和长短期记忆（LSTM）递归神经网络。请注意，此示例中使用的数据集不需要高级技术，但描述了工作流，因为这些技术可以扩展到更复杂的问题。
二、介绍
目标分类是现代雷达系统的重要功能。此示例使用机器学习和深度学习对圆柱体和锥体的雷达回波进行分类。虽然此示例使用合成的I/Q样本，但工作流程适用于实际雷达回波。
订阅专栏 解锁全文
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
