基于深度学习的ISAR成像算法研究

发布时间：2021-06-30 17:15

　　逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）可以实现对运动目标的高分辨成像,对于目标的身份识别、分辨与分类具有重要作用。其具有全天时、全天候、高处理增益、穿透力强等特点,无论在军事领域还是民用领域都发挥着重要的作用。由于逆合成孔径雷达是对非合作目标进行成像,成像分辨率和成像速度是其中的关键问题,基于此,该文提出一种基于深度学习的成像方法,可以快速对机动目标进行高分辨成像。该文研究的主要内容如下:首先,比较ISAR与合成孔径雷达（Synthetic Aperture Radar,SAR）成像中的差别,介绍ISAR成像中一维距离像的产生,从数据采集出发,研究ISAR成像的基本原理,分析了ISAR成像中较为经典的距离多普勒（Range Doppler,RD）算法,通过仿真实验进行算法验证,并简要介绍了卷积神经网络原理。其次,提出一种基于深度学习的ISAR成像方法,将医学图像中常用的U型全卷积网络结构应用到雷达成像中,并针对ISAR成像特点对网络结构进行了改进,改进后的网络可以加快网络运行速度。提出一种新型的ISAR成像训练方法,分析如何获得训练... 

【文章来源】：燕山大学河北省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

ISAR图像

不过池化层没有参数需要更新，最大值池化操作是均值池化则是取窗口内的平均值作为结果，在整有结果。目的是为了增加模型的拟合能力，训练的过程其实建出一个足够复杂的函数对数据进行更好的拟合，话，那么网络为一个线性分类器，线性分类器对于个很好的结果。在卷积操作时执行的每个像素点的如果不引入非线性函数的话，即使增加再多的卷积线性分类。因此需要激活函数。函数对应的函数表达式如下：1( )1xf xe 像为

燕山大学工程硕士学位论文入特别大或者特别小的时候，神经元的梯度近现在非常流行的激活函数，表达式为：0 ( 0)max(0, )( 0)xy xx x 为

【参考文献】：
期刊论文
[1]ISAR机动目标联合高分辨成像和参数估计[J]. 邬俊,徐刚.  信号处理. 2018(11)
[2]卷积神经网络在心电逆问题中的应用[J]. 贺高,蒋明峰,郑俊褒,龚莹岚.  计算机工程与应用. 2019(01)
[3]ReLU激活函数优化研究[J]. 蒋昂波,王维维.  传感器与微系统. 2018(02)
[4]一种加权最小熵的ISAR自聚焦算法[J]. 徐刚,杨磊,张磊,李亚超,邢孟道.  电子与信息学报. 2011(08)
[5]信息几何在脉冲多普勒雷达目标检测中的应用[J]. 刘俊凯,王雪松,王涛,屈龙海.  国防科技大学学报. 2011(02)
[6]压缩感知雷达成像技术综述[J]. 刘记红,徐少坤,高勋章,黎湘,庄钊文.  信号处理. 2011(02)
[7]雷达高分辨距离像目标识别研究进展[J]. 刘宏伟,杜兰,袁莉,保铮.  电子与信息学报. 2005(08)
[8]一种基于最小熵准则的SAR图像自聚焦算法[J]. 武昕伟,朱兆达.  系统工程与电子技术. 2003(07)

硕士论文
[1]基于深度学习的雷达稀疏成像[D]. 刘艳.西安电子科技大学 2018
[2]基于相位恢复算法的ISAR自聚焦成像[D]. 夏赛雪.燕山大学 2017
[3]卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学 2012



本文编号：3258156