基于仿真样本迁移学习的穿墙雷达高分辨成像方法

TN958; 针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题,提出一种基于迁移学习的穿墙雷达成像方法.首先,搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移,解决带标签数据制作困难的问题;然后,联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量,引入结构一致性损失函数减小图像间的感知差异;最后,利用带标签数据训练穿墙雷达目标成像子网络,实现穿墙雷达多目标高分辨成像.实验结果表明,所提方法能有效缩小仿真图像和实测图像域间差异,实现穿墙雷达带标签伪实测图像生成,系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题,在单、双和三目标场景下成像...

Full description

Saved in:
Bibliographic Details
Published in雷达学报 Vol. 13; no. 4; pp. 807 - 821
Main Authors 陈一凡, 刘剑刚, 贾勇, 郭世盛, 崔国龙
Format Journal Article
LanguageChinese
Published 成都理工大学 成都 610059%电子科技大学长三角研究院(衢州) 衢州 324000%电子科技大学长三角研究院(衢州) 衢州 324000 2024
电子科技大学信息与通信工程学院 成都 611731
Subjects
高分辨成像
生成对抗网络
Transfer learning
Generative Adversarial Nets(GAN)
域自适应
High-resolution imaging
Domain adaptation
Through-the-Wall Radar(TWR)
迁移学习
穿墙雷达
Online AccessGet full text
ISSN2095-283X
DOI10.12000/JR24049

Cover

More Information
Summary:TN958; 针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题,提出一种基于迁移学习的穿墙雷达成像方法.首先,搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移,解决带标签数据制作困难的问题;然后,联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量,引入结构一致性损失函数减小图像间的感知差异;最后,利用带标签数据训练穿墙雷达目标成像子网络,实现穿墙雷达多目标高分辨成像.实验结果表明,所提方法能有效缩小仿真图像和实测图像域间差异,实现穿墙雷达带标签伪实测图像生成,系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题,在单、双和三目标场景下成像准确率分别达到98.24%,90.97%和55.17%,相比于传统CycleGAN方法,所提方法成像准确率分别提升了2.29%,40.28%和15.51%.
ISSN:2095-283X
DOI:10.12000/JR24049