仿真实验，做了4组，减少了样本点，最低至240个点，模型只有九万个参数，神经网络依旧可以很好地分类，区别只是学习的速度。

但是用仿真数据得到的模型验证真实数据，只有47%的正确率。

真实数据实验这边，又尝试了多帧三维数据输入，3和5个连续帧，不行；多帧二维数据输入，3和5个连续帧，不行；单帧输入，每个雷达回波只取一帧，共计1226帧，不行。

注意，以上数据都是源于清洗后的数据。

以下对比部分数据。

真实数据与仿真数据中，目标的位置基本一致，但是仿真数据的目标大很多。

观察不同姿态的真实数据，发现其实挺难分辨的，图像基本一致。

观察仿真数据同样的位置不同姿态，发现也是同样的比较难区分。（文件名中间三个数字代表x, y, z）

那么，神经网络是怎么区分得出仿真数据，而区分不出真实数据的呢？

有待研究。