基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
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.
推荐文章
基于SPW平台的逆合成孔径雷达成像
SPW
ISAR
距离-多普勒
成像仿真
采用子孔径分割的逆合成孔径雷达成像包络对齐方法
逆合成孔径雷达
低信噪比
包络对齐
子孔径
高阶多项式
斜视干涉逆合成孔径雷达成像算法
逆合成孔径雷达
干涉
相位缠绕
特显点
基于差波束逆合成孔径雷达成像的角运动参数估计方法
单脉冲
逆合成孔径雷达
角运动参数估计
最大熵
最小熵
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复数深度神经网络的逆合成孔径雷达成像方法
来源期刊 南京航空航天大学学报 学科 工学
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
年,卷(期) 2020,(5) 所属期刊栏目
研究方向 页码范围 695-700
页数 6页 分类号 TP79
字数 语种 中文
DOI 10.16356/j.1005⁃2615.2020.05.003
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 朱岱寅 132 812 13.0 19.0
2 汪玲 30 188 8.0 13.0
3 胡长雨 7 7 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (13)
参考文献  (10)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
雷达成像
深度学习
逆合成孔径雷达
复数深度神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
南京航空航天大学学报
双月刊
1005-2615
32-1429/V
大16开
南京市御道街29号1016信箱
28-140
1956
chi
出版文献量(篇)
3509
总下载数(次)
9
总被引数(次)
36115
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导