Please wait a minute...
空天防御  2025, Vol. 8 Issue (5): 1-9    
0
  文献综述 本期目录 | 过刊浏览 | 高级检索 |
雷达目标智能识别方法研究综述
许强1, 马跃华2,3, 许可1, 潘俊2,3
1. 上海交通大学 计算机学院,上海 200240; 2. 上海机电工程研究所,上海 201109; 3. 自动目标识别全国重点实验室(上海),上海 201109
A Review on Intelligent Radar Target Recognition Methods
XU Qiang1, MA Yuehua2,3, XU Ke1, PAN Jun2,3
1. School of Computer Science, Shanghai Jiao Tong University, Shanghai 200240, China; 2. Shanghai Electro-Mechanical Engineering Institute, Shanghai 201109, China; 3. National Key Laboratory of Automatic Target Recognition (ATR), Shanghai 201109, China
全文: PDF(1230 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 复杂电磁环境下的虚假目标干扰与伪装技术升级导致传统雷达目标识别算法性能下降,促使一系列先进算法被陆续提出,而雷达目标智能识别是现代军事信息化与民用高端装备中先进的算法之一。本文在阐述雷达目标智能识别典型特点的基础上,系统剖析基于传统特征工程机器学习、深度学习的识别框架构成要素;对比不同方法在特征提取、性能评估方面的特点;从实际应用、大模型赋能等维度展望智能识别技术的发展趋势和面临的挑战。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 雷达目标识别识别框架深度学习特征工程    
Abstract:Intelligent radar target recognition is a key technology in modern military informatization and civilian high-end equipment. The false target interference and upgraded camouflage techniques in complex electromagnetic environments cause the performance degradation of traditional recognition algorithms, thus prompting the successive proposal of a series of advanced algorithms. Based on expounding the typical characteristics of intelligent radar target recognition, this paper systematically analyzed the constituent elements of recognition frameworks using traditional feature engineering, machine learning, and deep learning. Then, by comparing the characteristics of different methods in feature extraction and performance evaluation, the development trends and challenges of intelligent recognition technology were examined from the perspectives of practical application, large model empowerment, and other dimensions.
Key wordstarget recognition    recognition frameworks    deep learning    feature engineering
收稿日期: 2025-06-13      出版日期: 2025-10-31
ZTFLH:  V 55  
  TN 216  
基金资助:中国航天科技集团有限公司第八研究院产学研合作基金项目(SAST2024-010)
通讯作者: 潘俊(1993—),男,硕士,工程师。   
作者简介: 许强(1992—),男,博士,助理研究员。
引用本文:   
许强, 马跃华, 许可, 潘俊. 雷达目标智能识别方法研究综述[J]. 空天防御, 2025, 8(5): 1-9.
XU Qiang, MA Yuehua, XU Ke, PAN Jun. A Review on Intelligent Radar Target Recognition Methods. Air & Space Defense, 2025, 8(5): 1-9.
链接本文:  
https://www.qk.sjtu.edu.cn/ktfy/CN/      或      https://www.qk.sjtu.edu.cn/ktfy/CN/Y2025/V8/I5/1

参考文献
[1] 吴迎昌, 邓鹏. 基于改进CRITIC-云模型的雷达装备抢修能力评估[J]. 空天防御, 2025, 8(5): 105-110.
[2] 夏伊琳, 刘刚, 鄢丛强, 蔡云泽. 基于深度学习的SAR图像舰船尾迹旋转框检测算法研究[J]. 空天防御, 2025, 8(5): 64-74.
[3] . 基于ALBERT的中国诗酒文化命名实体识别[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(5): 1065-1072.
[4] . 面向太阳能电池复杂缺陷检测的新型多步深度学习方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(5): 1050-1064.
[5] . 基于CEEMDAN 和 GRU的停车位预测[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(5): 962-975.
[6] . 基于异步事件流超图网络的运动目标识别方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(5): 952-961.
[7] . 基于短时长毫米波雷达回波序列的心率感知方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(4): 683-692.
[8] . 基于调频连续波雷达的全方位人体行为识别方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(4): 637-645.
[9] 梁煜婉, 肖朝昀, 李明广, 孟江山, 周建烽, 黄山景, 朱浩杰. 基于长短时记忆的真空预压地基沉降预测[J]. 上海交通大学学报, 2025, 59(4): 525-532.
[10] 潘子轩, 穆维民, 杨博文, 缪晨, 顾村锋. 基于抗干扰波形下的杂波抑制仿真研究[J]. 空天防御, 2025, 8(4): 113-118.
[11] 赵紫昱, 王绪泉, 马杰, 邢裕杰, 顿雄, 王占山, 程鑫彬. 轻薄红外计算成像重建算法的边缘芯片部署方法研究[J]. 空天防御, 2025, 8(4): 85-93.
[12] . 基于毫米波雷达的智能心率提取方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(3): 493-498.
[13] 王杰民, 丁云鹏, 阮开智, 胡进峰. 战场飞行器高生存力突防航路规划研究[J]. 空天防御, 2025, 8(2): 77-83.
[14] . 基于RGB-D图像的机器人抓取检测高效全卷积网络和优化方法[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(2): 399-416.
[15] . 基于双流自编码器的无监督动作识别[J]. J Shanghai Jiaotong Univ Sci, 2025, 30(2): 330-336.
沪ICP备15013849号-1
版权所有 © 2017《空天防御》编辑部
主管单位:中国航天科技集团有限公司 主办单位:上海机电工程研究所 上海交通大学出版社有限公司