期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于复数深度神经网络的逆合成孔径雷达成像方法
被引量:
7
1
作者
汪玲
胡长雨
朱岱寅
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第5期695-700,共6页
压缩感知(Compressive sensing,CS)理论框架下逆合成孔径雷达(Inverse syntheitic operture radar,ISAR)成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神...
压缩感知(Compressive sensing,CS)理论框架下逆合成孔径雷达(Inverse syntheitic operture radar,ISAR)成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络(Deep neural network,DNN)的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示,但目前已有的DNN都为实数域的模型,无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量,本文通过级联不同类型的复数网络层的方式,构建具有多级分解能力的复数深度神经网络(Complex value DND,CVDNN),利用CV‑DNN实现ISAR成像。实验结果表明,基于CV‑DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。
展开更多
关键词
雷达成像
深度
学习
逆合成孔径雷达
复数深度神经网络
下载PDF
职称材料
基于深度复数神经网络的雷达目标DOA估计算法
2
作者
朱安琪
项厚宏
齐美彬
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024年第1期41-46,共6页
传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复...
传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法,构建深度复数神经网络模型,学习原始带噪信号与理想无噪复信号之间的映射关系,进而实现噪声抑制和期望信号特征增强的目的,提高DOA估计精度。仿真实验结果表明,经CVNN增强后,数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言,具有更高的估计精度和泛化性。
展开更多
关键词
波达方向(DOA)估计
深度
复数
神经网络
(CVNN)
数据驱动
模型驱动
下载PDF
职称材料
题名
基于复数深度神经网络的逆合成孔径雷达成像方法
被引量:
7
1
作者
汪玲
胡长雨
朱岱寅
机构
南京航空航天大学电子信息工程学院雷达成像与微波光子技术教育部重点实验室
出处
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020年第5期695-700,共6页
基金
国家自然科学基金(61871217)资助项目
江苏省研究生科研与实践创新计划(KYCX18_0291)资助项目
航空科学基金(20182052011)资助项目。
文摘
压缩感知(Compressive sensing,CS)理论框架下逆合成孔径雷达(Inverse syntheitic operture radar,ISAR)成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络(Deep neural network,DNN)的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示,但目前已有的DNN都为实数域的模型,无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量,本文通过级联不同类型的复数网络层的方式,构建具有多级分解能力的复数深度神经网络(Complex value DND,CVDNN),利用CV‑DNN实现ISAR成像。实验结果表明,基于CV‑DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。
关键词
雷达成像
深度
学习
逆合成孔径雷达
复数深度神经网络
Keywords
radar imaging
deep learning
inverse synthetic aperture radar(ISAR)
complex value deep neural network
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
基于深度复数神经网络的雷达目标DOA估计算法
2
作者
朱安琪
项厚宏
齐美彬
机构
合肥工业大学机械工程学院
合肥工业大学计算机与信息学院
出处
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024年第1期41-46,共6页
基金
国家自然科学基金资助项目(62201189)
安徽省重大基础研究资助项目(2023z04020018)
中央高校基本科研业务费专项资金资助项目(JZ2022HGTA0347)。
文摘
传统模型驱动的波达方向(direction of arrival, DOA)估计算法性能受限于有限的信号特征、快拍数、信噪比、信杂比等因素,在低信噪比、快拍数少的极端情况下,性能较差。为克服上述问题,提高在极端条件下的估计精度,文章提出基于深度复数神经网络(complex-valued neural networks, CVNN)的单快拍DOA估计算法,构建深度复数神经网络模型,学习原始带噪信号与理想无噪复信号之间的映射关系,进而实现噪声抑制和期望信号特征增强的目的,提高DOA估计精度。仿真实验结果表明,经CVNN增强后,数据的等效信噪比约提高了1 dB,等效快拍数提高了3,该文所提算法相较于已有的多种物理驱动算法而言,具有更高的估计精度和泛化性。
关键词
波达方向(DOA)估计
深度
复数
神经网络
(CVNN)
数据驱动
模型驱动
Keywords
direction of arrival(DOA)estimation
complex-valued neural networks(CVNN)
data driven
model driven
分类号
TN958.92 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于复数深度神经网络的逆合成孔径雷达成像方法
汪玲
胡长雨
朱岱寅
《南京航空航天大学学报》
EI
CAS
CSCD
北大核心
2020
7
下载PDF
职称材料
2
基于深度复数神经网络的雷达目标DOA估计算法
朱安琪
项厚宏
齐美彬
《合肥工业大学学报(自然科学版)》
CAS
北大核心
2024
0
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部