面向近垂直场景的RD图多任务运动信息提取方法OA

脉冲多普勒雷达具备全天候工作能力,可通过距离-多普勒(RD)图像同时获取目标的距离与速度信息。在近垂直飞行场景下,RD图的几何结构中蕴含飞行平台的高度、速度及俯仰角等关键运动参数,但这些参数在RD域中呈现明显耦合,传统信号处理方法在复杂地形和近垂直入射条件下难以实现有效解耦。近年来,深度学习在运动信息感知领域展现出显著优势,但多任务学习在该场景下仍难以同时满足实时性与高精度要求。为此,该文提出一种新型的网络结构——RDMFNet,通过共享编码器与并行解码器实现多表征信息融合,并采用两阶段渐进式训练策略,以提高参数估计的精度。实验表明,RDMFNet在高度、速度及俯仰角估计上的误差分别降低至14.447 m,4.635 m/s和0.755°,展现了其在高精度实时感知中的优势。