基于复数深度神经网络的逆合成孔径雷达成像方法

发布时间：2023-03-11 06:32

　　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,CV-DNN),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。

【文章页数】：6 页

【文章目录】：
1 基于CV-DNN的ISAR成像方法
    1.1 用于ISAR成像的CV-DNN结构
    1.2 训练策略
2 实测数据处理验证
    2.1 成像结果与分析
    2.2 25%数据采用CV-DNN1成像结果与分析
3 结论



本文编号：3759378