基于深度学习的RCS角度外推与目标识别研究

发布时间：2022-10-15 20:50

　　随着信息通信技术和计算机网络技术的快速发展,分布式雷达探测网络由于环境适应能力强,探测性能优异等优势,引发了人们的关注和研究。在危急的救援救灾、室内室外定位,甚至是现在火热的智能驾驶等场景中,都需要一种对目标进行探测的装置,用以获得纷乱场景中的丰富信息。在分布式雷达探测网络中,我们通过多个不同位置的锚点对目标发送信号,并从回波信号中提取目标的位置、轮廓甚至材料等信息。同时,考虑到雷达对于目标的测量往往无法做到全角度域的覆盖,希望能够从已测量角度的雷达散射截面（Radar Cross section,RCS）帮助预测出剩余角度的RCS值。具体包括:雷达发射波束越窄,其角度分辨率越高,系统准确度也越高。受限于天线制造和加工水平,现实中的雷达发射波束存在无法逾越的上下界。针对目前实际场景中,目标雷达散射截面全方位角获取的难操作性以及昂贵开销,本文第三章提出利用后向神经网络（Back Propagation Neural Network,BPNN）和长短时记忆网络（Long Short Term Memory Network,LSTM）对已知角度的RCS序列预测未知角度的RCS序列模型。通过本... 

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

本文主要研究内容（1）绪论，简要描述利用RCS角度外推和RCS识别目标的研究背景和意义，

a,b对小波伸缩的影响

神经网络结构图

【参考文献】：
期刊论文
[1]基于遗传算法改进的一阶滞后滤波和长短期记忆网络的蓝藻水华预测方法[J]. 于家斌,尚方方,王小艺,许继平,王立,张慧妍,郑蕾.  计算机应用. 2018(07)
[2]基于RCS统计特征的船舶目标识别方法[J]. 纪永强,刘通,徐高正,石宇豪,张玉萍,杨金鸿.  舰船科学技术. 2018(13)
[3]Three-dimensional Fusion of Spaceborne and Ground Radar Reflectivity Data Using a Neural Network–Based Approach[J]. Leilei KOU,Zhuihui WANG,Fen XU.  Advances in Atmospheric Sciences. 2018(03)
[4]基于FEKO软件的目标RCS计算及数据分析[J]. 秦琴,王晓峰,焦金龙,王晨.  电子技术应用. 2018(02)
[5]基于深度神经网络模型的雷达目标识别[J]. 詹武平,郑永煌,王金霞.  现代雷达. 2018(01)
[6]基于栈式自编码器特征融合的SAR图像车辆目标识别[J]. 康妙,计科峰,冷祥光,邢相薇,邹焕新.  雷达学报. 2017(02)
[7]基于动态RCS的隐身目标检测研究[J]. 黄亚林,张晨新,刘凯越,童创明.  微波学报. 2017(01)
[8]基于改进二进制萤火虫的BP神经网络并行集成学习算法[J]. 李敬明,倪志伟,朱旭辉,许莹.  模式识别与人工智能. 2017(02)
[9]Radar Target Recognition Algorithm Based on RCS Observation Sequence——Set-Valued Identification Method[J]. WANG Ting,BI Wenjian,ZHAO Yanlong,XUE Wenchao.  Journal of Systems Science ＆ Complexity. 2016(03)
[10]一种用于雷达资源管理的目标雷达截面积预测算法[J]. 秦童,戴奉周,刘宏伟.  电子与信息学报. 2015(08)



本文编号：3692017