基于跳跃卷积神经网络的ISAR稀疏成像方法OA
ISAR Sparse Imaging Method Based on the Skip Convolutional Neural Network
卷积神经网络(CNN)为逆合成孔径雷达(ISAR)成像提供了一种新的解决手段,但是已有的成像CNN提取的输入ISAR数据的抽象特征表示之间存在大的语义特征差距,这限制了基于CNN的ISAR稀疏成像方法成像质量的提升.为提升基于CNN的ISAR稀疏成像质量,设计了一种跳跃卷积连接结构对成像CNN架构进行优化,并构建了跳跃卷积神经网络(S-CNN),在此基础上提出了一种基于S-CNN的ISAR稀疏成像方法.实验结果表明,与已有同类型ISAR稀疏成像方法的成像结果相比,该方法成像结果更好,图像熵和目标杂波比等定量指标平均提高6.71％.
Convolutional neural network(CNN)provides a new solution for inverse synthetic aperture radar(ISAR)imaging.However,there are large semantic feature gaps between the abstract feature representations of the input ISAR data extracted by ex-isting imaging CNNs,limiting the improvement of the imaging quality of CNN-based ISAR sparse imaging methods.In order to im-prove the imaging quality of CNN-based ISAR imaging,a skip convolutional connection structure is designed to optimize the ima-ging CNN architecture,and a skip convolutional neural network(S-CNN)is constructed;on this basis,an ISAR sparse imaging method based on S-CNN is proposed.The experimental results show that,compared with the existing ISAR sparse imaging methods of the same type,the proposed method achieves better imaging results,with an average improvement of 6.71％in quantitative indi-cators such as image entropy and target clutter ratio.
蔡松;胡长雨;向天舜;田凤
南京信息工程大学电子与信息工程学院,江苏南京 210044南京信息工程大学电子与信息工程学院,江苏南京 210044||无锡学院电子信息工程学院,江苏无锡 214105||南京航空航天大学雷达成像与微波光子技术教育部重点实验室,江苏南京 211016西安空间无线电技术研究所,陕西西安 710100中国电子科技集团公司第二十九研究所,四川成都 610036
信息技术与安全科学
逆合成孔径雷达稀疏成像深度学习跳跃卷积神经网络跳跃卷积连接
inverse synthetic aperture radar(ISAR)sparse imagingdeep learningskip convolution neural network(S-CNN)skip convolutional connection
《现代雷达》 2026 (5)
40-49,10
江苏省高等学校基础科学(自然科学)研究面上资助项目(22KJB140015,23KJB510035)无锡市"太湖之光"科技攻关基础研究资助项目(K20221043,K20221049)无锡学院人才科研启动经费资助项目(2023r014)南京航空航天大学微波光子与雷达成像教育部重点实验室开放基金资助项目(NJ20230006)
评论