地面目标多角度SAR数据集构建与目标识别方法

南京航空航天大学雷达探测与成像技术研究团队利用自主研制的无人机(Unmannedaerialvehick,UAV)机载高分辨率微小型合成孔径雷达(Minisyntheticapertureradar,MiniSAR)系统,针对多类具有代表性的地面目标进行全方位回波录取及成像处理,构建了拥有自主知识产权的复杂目标SAR数据集,并依托该数据集开展了基于人工智能的目标识别方法研究。针对无人机运动姿态不稳定、辅助传感器精度受限导致的图像散焦问题,本文提出了新型运动补偿及新型二维自聚焦算法。实验表明,虽然AlexNet、ResNet‑18、AConvNet和VGG等经典神经网络在MSTAR十类目标分类问题中取得了接近100%的分类准确率,但将其应用于南航MiniSAR数据集时分类准确率均明显低于90%。由于本文采取的实验方法与SAR目标识别技术的实际应用场景较为接近,该MiniSAR数据集对于面向工程应用的SAR目标识别算法研究将会具有重要参考价值。

用于庭院除草机的超声波智能避障系统的设计

本文通过STM32完成超声波的发射,回波接收及处理,然后对回波信号进行小波预处理,得到信号的幅频特性并分离出其高频分量和低频分量,以高频和低频分量作为信号特征,运用机器学习的Linear SVM算法对信号进行分类,以区分出前方物体是杂草还是树木,达到超声波智能识别的目的.