雷达是一种通过电磁波探测物体的电子设备。其主要包括:发射机、发射天线、接收机、接收天线以及信号处理部分。发射机通过发射天线,将电磁波向外发射,在某方向上与物体发生碰撞,电磁波发生反射,反射回波则被接收天线和接收设备接收,传至信号处理部分进行分析。该过程能够有效提取物体距雷达的距离、物体径向运动速度等信息。并且这些信息能够满足许多应用场景的需求。例如,在军事方面,其根据雷达所实现的功能不同,可分为预警雷达[1–3]、搜索警戒雷达[4–6]、导航雷达[7–9]以及防撞和敌我识别雷达等等。在社会科学发展方面,雷达可应用于气象预报[10–12]、资源探测[13–15]、环境监测[16–18]等。鉴于雷达的广泛应用场景,对雷达信号处理的研究就显得至关重要。

近些年,深度学习成为各个领域的研究热点,且在雷达领域同样如此。本文主要介绍通过深度学习方法对不同形式雷达数据进行处理的研究情况,整体框架如图1所示。经过调研发现,针对不同雷达成像原理以及信号处理方法,可获得不同形式的雷达数据。例如,合成孔径雷达(Synthetic Aperture Radar, SAR)图像[19–24]、高分辨距离像(High Range Resolution Profiles, HRRP)[25–28]、微多普勒(Micro-Doppler)谱图[29–32]以及距离多普勒(Range-Doppler, R-D)[33–36]谱图等。本文则主要针对上述可获取的雷达数据进行深度学习方法处理。其中,深度学习在SAR图像处理领域已得到广泛应用,典型应用的网络包括卷积神经网络(Convolutional Neural Network, CNN)[37]、稀疏自编码器(Sparse AutoEncoder, SAE)[38]以及深度置信网络(Deep Belief Network, DBN)[39]等等。其中,由于CNN在图像处理中具有明显优势,因此,基于CNN的SAR图像处理应用最为广泛。本文同时介绍了通过上述3类网络以及其他深度学习方法对HRRP, Micro-Doppler特征, R-D谱图等雷达数据进行处理的研究近况。

雷达是一种通过电磁波探测物体的电子设备。 其主要包括:发射机、发射天线、接收机、接收天 线以及信号处理部分。发射机通过发射天线,将电 磁波向外发射,在某方向上与物体发生碰撞,电磁 波发生反射,反射回波则被接收天线和接收设备接 收,传至信号处理部分进行分析。该过程能够有效 提取物体距雷达的距离、物体径向运动速度等信 息。并且这些信息能够满足许多应用场景的需求。 例如,在军事方面,其根据雷达所实现的功能不 同,可分为预警雷达[1–3]、搜索警戒雷达[4–6]、导航 雷达[7–9]以及防撞和敌我识别雷达等等。在社会科 学发展方面,雷达可应用于气象预报[10–12]、资源探 测[13–15]、环境监测[16–18]等。鉴于雷达的广泛应用场 景,对雷达信号处理的研究就显得至关重要。 近些年,深度学习成为各个领域的研究热点, 且在雷达领域同样如此。本文主要介绍通过深度学 习方法对不同形式雷达数据进行处理的研究情况, 整体框架如图1所示。经过调研发现,针对不同雷 达成像原理以及信号处理方法,可获得不同形式的雷达数据。例如,合成孔径雷达(Synthetic Aperture Radar, SAR)图像[ 19 – 24 ]、高分辨距离像(High Range Resolution Profiles, HRRP)[25–28]、微多普勒 (Micro-Doppler)谱图[29–32]以及距离多普勒(RangeDoppler, R-D)[33–36]谱图等。本文则主要针对上述 可获取的雷达数据进行深度学习方法处理。其中, 深度学习在SAR图像处理领域已得到广泛应用,典 型应用的网络包括卷积神经网络(Convolutional Neural Network, CNN)[37]、稀疏自编码器(Sparse AutoEncoder, SAE)[38]以及深度置信网络(Deep Belief Network, DBN)[39]等等。其中,由于CNN在图像处 理中具有明显优势,因此,基于CNN的SAR图像 处理应用最为广泛。本文同时介绍了通过上述3类 网络以及其他深度学习方法对HRRP, Micro-Doppler 特征, R-D谱图等雷达数据进行处理的研究近况。

成为VIP会员查看完整内容
17

相关内容

机器学习的一个分支,它基于试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的一系列算法。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
人工智能与雷达资源管理:综合背景与文献综述
专知会员服务
41+阅读 · 6月30日
动态数据驱动仿真综述
专知会员服务
46+阅读 · 5月17日
基于深度学习的实时语义分割综述
专知会员服务
31+阅读 · 2023年11月27日
面向天域感知领域的知识图谱构建技术研究
专知会员服务
52+阅读 · 2023年10月15日
深度学习背景下的图像三维重建技术进展综述
专知会员服务
36+阅读 · 2023年9月4日
深度强化学习的无人作战飞机空战机动决策
专知会员服务
109+阅读 · 2023年5月22日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
深度学习与计算机视觉任务应用综述
深度学习与NLP
50+阅读 · 2018年12月18日
干货 | 基于深度学习的目标检测算法综述
AI科技评论
18+阅读 · 2018年9月1日
基于几何特征的激光雷达地面点云分割
泡泡机器人SLAM
15+阅读 · 2018年4月1日
深度学习时代的目标检测算法
炼数成金订阅号
39+阅读 · 2018年3月19日
无人机飞行控制方法概述
无人机
10+阅读 · 2017年10月7日
基于图片内容的深度学习图片检索(一)
七月在线实验室
20+阅读 · 2017年10月1日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
A Survey of Large Language Models
Arxiv
395+阅读 · 2023年3月31日
Arxiv
10+阅读 · 2020年11月26日
Arxiv
26+阅读 · 2020年2月21日
Augmentation for small object detection
Arxiv
11+阅读 · 2019年2月19日
VIP会员
相关VIP内容
人工智能与雷达资源管理:综合背景与文献综述
专知会员服务
41+阅读 · 6月30日
动态数据驱动仿真综述
专知会员服务
46+阅读 · 5月17日
基于深度学习的实时语义分割综述
专知会员服务
31+阅读 · 2023年11月27日
面向天域感知领域的知识图谱构建技术研究
专知会员服务
52+阅读 · 2023年10月15日
深度学习背景下的图像三维重建技术进展综述
专知会员服务
36+阅读 · 2023年9月4日
深度强化学习的无人作战飞机空战机动决策
专知会员服务
109+阅读 · 2023年5月22日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
相关基金
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
10+阅读 · 2014年12月31日
微信扫码咨询专知VIP会员