论文部分内容阅读
针对机场跑道异物(FOD)探测雷达目标分类问题，提出一种融合自注意力(self-attention)机制的双向长短时记忆网络(BiLSTM)分类方法。将目标实孔径成像结果输入self-attention层，获取目标数据自注意力表征，使模型更加关注对目标分类作用大的区域。连接BiLSTM捕捉不同角度HRRP之间的前向及后向信息依赖，实现目标分类。实测数据表明，相比传统方法，融合self-attention机制的BiLSTM网络能够提高分类准确率。