基于点云分割网络的雷达信号分选方法

针对现有基于图像分割的端到端雷达信号分选方法存在的像素点重叠与处理效率不高的问题,该文提出一种基于点云分割网络的端到端分选方法。首先将雷达脉冲流的脉冲描述字(PDW)映射为点云;之后利用点云分割网络(PointNet++)对该点云中各点依据其所属辐射源进行分割;最后将具有相同标签的点聚类形成脉冲集合,分别提取各脉冲集合所包含的辐射源并形成相应的辐射源描述字。仿真结果表明:所提方法能够有效对未知雷达信号进行分选,在脉冲丢失和虚假脉冲干扰的分选环境下也表现出较强的可靠性与稳定性,并且由于采用具有轻量化特点的模型使得该方法的执行效率更高。

地质找矿工作中的重点难点问题探讨

矿产资源作为一种不可再生的资源,最近几年其需求量持续攀高,工业生产导致了矿产市场竞争力不断加剧,面对资源逐渐枯竭的现状,做好地质找矿工作对于提升国家工业竞争能力十分有帮助。而地质找矿工作是一项技术含量高、工作难度大的工作,在具体工作过程中会面临多种问题和因素的影响,本文主要结合实际情况,就地质找矿工作开展过程中存在的问题进行了分析,并提出了相应的解决对策,希望通过本次研究对更好的促进地质找矿效率提升有一定助益。

嵌入式GPU平台下雷达调制信号分析识别

针对近些年雷达脉内信号识别方式由传统的特征提取不断地向着深度学习方向发展,且雷达信号侦察设备的需求在深度学习的基础上逐渐地向便携、低功耗方向发展,而对于一些特定的研究往往对嵌入式平台又具有一定要求。基于此,研究了基于嵌入式图形处理器(GPU)平台的雷达信号分析识别系统的设计。将近些年提出的轻量级网络MobileNet V3移植到嵌入式GPU平台,采用基于SPWVD时频分析结合MobileNet V3网络,实现了低信噪比下对雷达信号的侦测识别,且与传统卷积神经网络在训练效率和训练准确率方面进行比较,最后完成了信号分析的图形用户界面(GUI)软件设计,为深度学习雷达信号识别在嵌入式平台的应用提供了基础。