1. 研究目的与意义（文献综述）

雷达信号处理的首要目的就是通过对接收信号的加工，消除或降低各种各样的干扰、噪声及由这些干扰、噪声引起的不确定性，以便于提取所需要信息和提高信息的质量。雷达信号处理主要围绕对目标信号的变换、检测、跟踪、识别以及威胁判断等问题而进行，其中对目标信号的检测是雷达对目标处理的一个重要环节，同时也是雷达信号处理中的一个关键问题^[1]。

但是传统的雷达目标检测方法在使用恒虚警率规则进行检测时，很难保证虚警概率保持恒定，所以导致整个系统的检测性能不是很好。本文将深度学习引入了雷达目标检测中，想利用结构优化良好的卷积神经网络代替传统的恒虚警率检测器，实现对于雷达目标的高效检测。

2. 研究的基本内容与方案

当今雷达工作的电磁环境越来越复杂，相关应用领域对雷达系统处理的实时

性要求越来越迫切。利用深度学习网络，实现复杂环境中雷达目标的实时有

效探测，是本毕业设计拟研究的内容。

3. 研究计划与安排

3月1日-3月5日制定整体的研究思路和方法；
3月6日-3月10日了解传统的雷达目标检测理论、方法和准则；
3月11日-3月15日研究CNNs的网络架构组成和原理；
3月16日-3月20日建立关于雷达目标检测的CNNs模型，确定相关的参数设置；
3月21日-3月31日对于CNNs模型进行训练；
4月1日-4月15日对于传统的CFAR检测和CNNs检测器进行仿真；
4月16日-5月12日完成毕业论文；
5月23日-6月12日完成毕业答辩PPT。

4. 参考文献（12篇以上）

[1]朱凯然. 雷达信号检测与实现[d].西安电子科技大学,2009.

[2]a.krizhevsky,i.sutskever, and g. hinton, “imagenet classification with deep convolutional neural networks,” proc. adv. neural inf. process. syst., pp.1106-1114, 2012

[3]c. wang, j. wang and x. zhang, “automatic radar waveform recognition based on time-frequency analysis and convolutional neural network,” 2017 ieee international conference on acoustics, speech and signal processing (icassp), new orleans,la, 2017, pp. 2437-2441.