对圆柱体目标重复这个过程，得到一个701 × 100的训练数据矩阵，其中包含50个圆柱体和50个圆锥体轮廓。在小波时间散射网络中需要指定的关键参数是每个小波滤波器组中的时不变量的尺度、小波变换的个数以及每个八度的小波数。在这个例子中，我们构造了一个具有两个滤波器组的小波时间散射网络: 第一个滤波器组为每个八度4个小波，第二个滤波器组为每个八度2个小波。在小波散射特征提取中，数据通过一系列的小波变换

基于仿真的综合数据生成用于训练网络的数据是使用来自 Radar ToolboxTM 的反向散射行人和反向散射自行车手生成的。卷积层 在卷积层中，第一个参数是 filterSize，它是训练函数在沿图像扫描时使用的过滤器的高度和宽度。具体来说，行人和骑自行车者的声谱图分别具有丰富的微多普勒特征，这些特征是由手臂和腿的摆动以及车轮的转动引起的。通过使用由具有不同属性的对象的模拟实现组成的数据来训练 C

对圆柱体目标重复这个过程，得到一个701 × 100的训练数据矩阵，其中包含50个圆柱体和50个圆锥体轮廓。在小波时间散射网络中需要指定的关键参数是每个小波滤波器组中的时不变量的尺度、小波变换的个数以及每个八度的小波数。在这个例子中，我们构造了一个具有两个滤波器组的小波时间散射网络: 第一个滤波器组为每个八度4个小波，第二个滤波器组为每个八度2个小波。在小波散射特征提取中，数据通过一系列的小波变换

对圆柱体目标重复这个过程，得到一个701 × 100的训练数据矩阵，其中包含50个圆柱体和50个圆锥体轮廓。在小波时间散射网络中需要指定的关键参数是每个小波滤波器组中的时不变量的尺度、小波变换的个数以及每个八度的小波数。在这个例子中，我们构造了一个具有两个滤波器组的小波时间散射网络: 第一个滤波器组为每个八度4个小波，第二个滤波器组为每个八度2个小波。在小波散射特征提取中，数据通过一系列的小波变换