异构雷达网络中用于雷达目标识别的多面图注意力网络
信号处理
2022-06-14 v1
摘要
雷达目标识别（RTR）作为智能雷达系统的关键技术已得到充分研究。在低信噪比（SNR）下实现准确 RTR 仍是一项开放挑战。现有多数方法基于单部雷达或同构雷达网络，未充分利用频率维信息。本文提出一种称为多面图注意力网络（MF-GAT）的双流语义特征融合模型，以大幅提升异构雷达网络低 SNR 区的识别准确率。通过图注意力网络模型融合源域与变换域提取的特征，MF-GAT 模型在统一框架分类前提炼出更高层语义特征。大量实验表明所提模型可大幅改善低 SNR 下的 RTR 性能。
引用
@article{arxiv.2206.05168,
title = {Multi-faceted Graph Attention Network for Radar Target Recognition in Heterogeneous Radar Network},
author = {Han Meng and Yuexing Peng and Wei Xiang and Xu Pang and Wenbo Wang},
journal= {arXiv preprint arXiv:2206.05168},
year = {2022}
}
备注
6 pages, 4 figures