基于异构雷达网络的空时频图注意力卷积网络用于飞机识别
信号处理
2022-04-18 v1 机器学习
摘要
本文提出了一种知识与数据双驱动的、基于图神经网络的协同学习模型，用于异构雷达网络中的可靠飞机识别。飞机可识别性分析表明：(1) 飞机的语义特征是由动力学特性驱动的运动模式；(2) 雷达截面积(RCS)信号中所包含的语法特征呈现出由飞机电磁辐射形状和运动模式共同决定的空时频(STF)多样性。随后，开发了STF图注意力卷积网络(STFGACN)，以从异构雷达网络接收到的RCS信号中提取语义特征。大量实验结果验证了STFGACN在检测精度上优于基线方法，并通过消融实验进一步表明信息维度的扩展可在低信噪比区域获得可观的鲁棒性收益。
引用
@article{arxiv.2204.07360,
title = {Spatio-Temporal-Frequency Graph Attention Convolutional Network for Aircraft Recognition Based on Heterogeneous Radar Network},
author = {Han Meng and Yuexing Peng and Wenbo Wang and Peng Cheng and Yonghui Li and Wei Xiang},
journal= {arXiv preprint arXiv:2204.07360},
year = {2022}
}
备注
11 pages, 17 figures