基于时频分析的SAR目标微波视觉特性智能感知方法与应用

TN957.51; 合成孔径雷达(SAR)目标识别智能算法目前仍面临缺少鲁棒性、泛化性和可解释性的挑战,理解SAR目标微波特性并将其结合先进的深度学习算法,实现高效鲁棒的SAR目标识别,是目前领域较为关注的研究重点.SAR目标特性反演方法通常计算复杂度较高,难以结合深度神经网络实现端到端的实时预测.为促进SAR目标物理特性在智能识别任务中的应用,发展高效、智能、可解释的微波物理特性感知方法至关重要.该文将高分辨SAR目标的非平稳特性作为一种典型的微波视觉特性,提出一种改进的基于时频分析的目标特性智能感知方法,优化了处理流程和计算效率,使之更适用于SAR目标识别场景,并进一步将其应用到SAR目标...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 13; no. 2; pp. 331 - 344
Main Authors 黄钟泠, 吴冲, 姚西文, 王立鹏, 韩军伟
Format Journal Article
LanguageChinese
Published 西北工业大学自动化学院 西安 710072%北京机电工程研究所 北京 100074 2024
Subjects
合成孔径雷达(SAR)
目标特性
Target recognition
Microwave vision
时频分析(TFA)
Synthetic Aperture Radar(SAR)
Time Frequency Analysis(TFA)
目标识别
Target characteristics
微波视觉
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR23191

Cover

More Information
Summary:TN957.51; 合成孔径雷达(SAR)目标识别智能算法目前仍面临缺少鲁棒性、泛化性和可解释性的挑战,理解SAR目标微波特性并将其结合先进的深度学习算法,实现高效鲁棒的SAR目标识别,是目前领域较为关注的研究重点.SAR目标特性反演方法通常计算复杂度较高,难以结合深度神经网络实现端到端的实时预测.为促进SAR目标物理特性在智能识别任务中的应用,发展高效、智能、可解释的微波物理特性感知方法至关重要.该文将高分辨SAR目标的非平稳特性作为一种典型的微波视觉特性,提出一种改进的基于时频分析的目标特性智能感知方法,优化了处理流程和计算效率,使之更适用于SAR目标识别场景,并进一步将其应用到SAR目标智能识别算法中,实现了稳定的性能提升.该方法泛化性强、计算效率高,能得到物理可解释的SAR目标特性分类结果,对目标识别算法的性能提升与属性散射中心模型相当.
ISSN:2095-283X
DOI:10.12000/JR23191