期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于复数域卷积神经网络的ISAR包络对齐方法研究
1
作者 王勇 夏浩然 刘明帆 《信号处理》 北大核心 2025年第3期409-425,共17页
在逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像领域,运动补偿是确保高质量图像生成的关键环节。包络对齐(Range Alignment,RA)作为运动补偿的首要步骤,对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了... 在逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像领域,运动补偿是确保高质量图像生成的关键环节。包络对齐(Range Alignment,RA)作为运动补偿的首要步骤,对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了一种基于复数域卷积神经网络(Complex-Valued Convolutional Neural Network,CVCNN)的包络对齐新方法,旨在通过深度学习策略提升包络对齐的精度与计算效率。本文所提方法利用了卷积神经网络强大的特征学习能力,构建了一个能够映射一维距离像与包络补偿量之间复杂关系的模型。通过将传统的实值卷积神经网络拓展至复数域,不仅完整保留了回波信号中的相位信息,而且有效引入了复数域残差块及线性连接机制,进一步精细化了网络结构设计。这种架构改进使得所提算法能实现低信噪比(Signal-to-Noise Ratio,SNR)条件下对ISAR距离像的高效包络对齐。在数据生成方面,本文基于雷达仿真参数,通过成像模拟仿真构建了ISAR回波数据集。该数据集经过归一化处理后,输入网络进行训练,使网络能够学习从未对齐回波到对应补偿量的映射关系。本文所提方法采用迁移学习策略,对基于仿真数据预训练的模型进行微调,以适应实测数据。这一策略不仅增强了结果的可靠性,同时也大幅缩短了模型的迭代周期。在实验验证方面,本文采用仿真与实测数据进行综合测试,以包络对齐精度、成像结果质量和计算效率为评价指标,全面验证了算法的有效性。实验结果表明,在不同信噪比条件下,本文所提方法均展现出了优越的包络对齐性能,进而可以实现高质量成像,同时在计算效率上也具有显著优势。 展开更多
关键词 逆合成孔径雷达 包络对齐 复数域卷积神经网络 有监督学习
在线阅读 下载PDF
基于混合型复数域卷积神经网络的三维转动舰船目标识别 被引量：11
2
作者 张云 化青龙 +1 位作者 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2022年第5期1042-1049,共8页
在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type C... 在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%. 展开更多
关键词 合成孔径雷达 复数域卷积神经网络 三维转动 目标散焦 舰船目标识别 混合型复数域卷积神经网络
在线阅读 下载PDF
基于复数域CNN的舰船目标识别算法 被引量：7
3
作者 化青龙 黄斌 +2 位作者 陈雪峰 李高鹏 张云 《指挥信息系统与技术》 2019年第6期71-75,共5页
随着海洋科学技术发展以及对海监测需求的不断增加,对海洋舰船目标的长期持续监视与高精度识别越来越重要。合成孔径雷达(SAR)作为对海监测的有效手段,具备全天候、全天时和高分辨探测等优势,已在海洋监视领域得到重视。近年来,随着基... 随着海洋科学技术发展以及对海监测需求的不断增加,对海洋舰船目标的长期持续监视与高精度识别越来越重要。合成孔径雷达(SAR)作为对海监测的有效手段,具备全天候、全天时和高分辨探测等优势,已在海洋监视领域得到重视。近年来,随着基于深度学习的舰船目标识别技术的发展,SAR图像处理技术在海洋遥感探测领域得以广泛应用。针对目前基于深度卷积网络的舰船目标识别问题,提出了一种基于复数域卷积神经网络(CV-CNN)的舰船目标识别算法。试验表明,该算法提高了舰船目标识别的准确性和可靠性,具有应用价值。 展开更多
关键词 复数域卷积神经网络 合成孔径雷达 舰船目标识别 深度学习
在线阅读 下载PDF
基于深度学习的雷达成像技术研究进展 被引量：6
4
作者 张云 穆慧琳 +1 位作者 姜义成 丁畅 《雷达科学与技术》 北大核心 2021年第5期467-478,共12页
成像雷达具有全天时、全天候、远距离、高分辨对地观测的能力,使得雷达系统具有对观测区域进行成像和解译的能力。利用先进信号处理技术实现实时高分辨成像以满足图像解译的需求是雷达成像技术研究的重要目的和意义。随着深度学习的迅... 成像雷达具有全天时、全天候、远距离、高分辨对地观测的能力,使得雷达系统具有对观测区域进行成像和解译的能力。利用先进信号处理技术实现实时高分辨成像以满足图像解译的需求是雷达成像技术研究的重要目的和意义。随着深度学习的迅速兴起,深度学习网络在逆问题求解中得到广泛应用,也为提升成像质量和成像效率提供新的求解思路。本文基于雷达成像数学模型将雷达成像问题建模为成像逆问题,从逆问题求解的角度分析了基于深度学习的雷达成像方法的可行性。并综述了近年来雷达深度学习技术在合成孔径雷达(Synthetic Aperture Radar,SAR)、逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)、SAR运动目标成像等雷达成像领域的研究现状,在此基础上探讨了目前面临的亟待解决的问题,并对未来发展方向进行了展望。 展开更多
关键词 深度学习 雷达成像 逆问题 卷积神经网络 复数域卷积神经网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部