基于多特征融合的集群雷达目标检测方法OA
针对海上低空环境下集群目标检测问题,提出一种门控交叉注意力与双向特征金字塔的多特征融合检测网络(GCAB-MFF detector),以应对复杂海况、非高斯杂波干扰及雷达回波非线性特性带来的挑战。该网络通过双通道架构分别提取目标距离维与距离-多普勒维特征,并利用门控交叉注意力模块(GCAF)建模跨模态特征关联;进一步引入双向特征金字塔(BiFPN),通过加权多尺度融合与语义一致性优化,实现多层次特征的高效整合,最终同步输出目标存在性检测与集群规模分类结果。实验结果表明,在自建数据集上,GCAB-MFF检测器检测率达99.92%,规模分类准确率为92.56%,较传统CFAR方法(检测率<89%)、传统分类网络(分类精度<86%)有显著提升,验证了其在海上低空场景下的鲁棒性与实用性。
黄浩;张宁;王志刚
中国船舶集团有限公司第七二四研究所,江苏南京211153中国船舶集团有限公司第七二四研究所,江苏南京211153中国船舶集团有限公司第七二四研究所,江苏南京211153
信息技术与安全科学
集群目标检测深度学习特征融合海上低空目标双通道网络注意力机制
《现代防御技术》 2026 (4)
P.130-140,11
评论