- 基于深度学习的雷达成像研究进展被引量：1
- 2023年
- 深度学习(DL)在语音识别、图像物体识别上取得了卓越的成效,深度学习代替传统处理技术,成为了研究该领域的主要处理方法。在雷达领域,深度学习用于雷达目标识别和分类,也取得了很好的效果,进而,人们试图将深度学习用于雷达成像。本文根据近几年所公开的文献资料,按照雷达成像的特点,分类介绍深度学习用于雷达成像的研究进展;之后,对深度学习用于雷达成像的可行性、样本选取、泛化以及成像质量的评价等开放性问题提出了作者的设想,并对深度学习用于雷达成像进行了展望。
- 李晓帆邓彬罗成高王宏强范磊付强
- 关键词：雷达成像可行性泛化
- 基于成像特性与回归网络的卫星目标姿态估计
- 2023年
- 基于逆合成孔径雷达(ISAR)图像序列的卫星目标姿态估计是一项具有重大意义且富有挑战性的任务。现有的估计方法通常是基于图像中关键角点或线性部件的提取,较难满足实时需求,且都未能充分利用目标成像特性先验。本文提出一种基于成像特性与回归网络的卫星目标姿态估计方法:提前确定各种姿态下的卫星目标成像特性,并作为后续数据集标注的理论基础;区别于传统的分类问题,建立一种适用于姿态估计的回归网络与估计框架。采用毫米波频段的电测仿真计算数据对所提方法进行验证,结果表明,单张图像中估计的平均姿态误差可以控制在3.5°以内。
- 范磊王宏强杨琪曾旸邓彬
- 关键词：逆合成孔径雷达成像特性回归网络
