深度学习法和参数法在窄带雷达数据目标成像中的比较  

Comparison Between Deep Learning and Parametric Methods in Target Imaging from Narrowband Radar Data

作　　者：Jean E.Piou 陈卓(译) 

机构地区：[1]不详

出　　处：《电子工程信息》2023年第4期35-39,共5页Electronic Engineering Information

基　　金：美国空军研究实验室和美国空军人工智能加速器赞助,并根据编号为FA8750-19-2-1000的《合作协议》完成。

摘　　要：本文研究了基于参数法和深度学习网络的数据插补技术,以提高窄带宽下收集的复杂雷达数据生成的图像的距离分辨率,提出了参数法的数学框架,并使用为真实电光数据开发的基于深度学习的超分辨率(VDSR)网络处理复杂数据。这些技术适用于在80和120 MHz带宽的标准目标上收集的数据,这两个带宽分别包括在-5度到95度的方位角范围内的3和4个频率样本。从这两种技术的插值数据生成的合成图像显示了它们具有实用性和有用性,可以揭示原始数据图像无法揭示的目标体。通过比较两种插补法的结果,证明了参数信号处理法在这个深度学习时代仍然具有相关性,并且可能最适合用于数据复杂、样本频率非常有限以及目标体具有复杂特征的场景。

关 键 词：深度学习网络 参数法 状态空间:状态转移矩阵 合成图像 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]