一种基于深度学习的非视域目标信号辨识方法

摘要

本发明提供了一种基于深度学习的非视域目标信号辨识方法。针对非视域目标探测时噪声信号过大、目标个数未知而对目标信号的辨识造成困难的问题，将多帧光子飞行时间统计图拼接成二维图像，再构建卷积神经网络并进行训练，对目标信号进行辨识。本发明与现有技术的有益效果在于：本发明方法利用深度学习实现目标信号特征的自动选择；无需提前确定目标个数，也能辨识出每个目标的信号；即使存在持续或间隙性的噪声干扰，也能正确辨识目标信号，且辨识速度几乎不受目标个数影响；相比于概率密度法，计算量更小，速度更快，有利于后续跟踪处理。