文献类型：期刊文章

作　　者：汪玲[1] 胡长雨[1] 朱岱寅[1]

WANG Ling;HU Changyu;ZHU Daiyin(Key Laboratory of Radar Imaging and Microwave Photonics of the Ministry of Education,College of Electronic and Information Engineering,Nanjing University of Aeronautics&Astronautics,Nanjing,211106,China)

机构地区：[1]南京航空航天大学电子信息工程学院雷达成像与微波光子技术教育部重点实验室,南京211106

出　　处：《南京航空航天大学学报》

基　　金：国家自然科学基金(61871217)资助项目;江苏省研究生科研与实践创新计划(KYCX18_0291)资助项目;航空科学基金(20182052011)资助项目。

年　　份：2020

卷　　号：52

期　　号：5

起止页码：695-700

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：压缩感知(Compressive sensing,CS)理论框架下逆合成孔径雷达(Inverse syntheitic operture radar,ISAR)成像的结果具有超分辨、无旁瓣干扰等特点,但CS ISAR成像方法性能仍然受到稀疏表示不准确和图像重建方法效率低等限制。基于深度神经网络(Deep neural network,DNN)的欠采样或不完整信号重建方法取得了瞩目的表现。DNN能够自主学习最优网络参数并挖掘出输入数据的抽象高层特征表示,但目前已有的DNN都为实数域的模型,无法直接用于复数形式数据处理。为了利用DNN的优势提高ISAR欠采样数据成像的质量,本文通过级联不同类型的复数网络层的方式,构建具有多级分解能力的复数深度神经网络(Complex value DND,CVDNN),利用CV‑DNN实现ISAR成像。实验结果表明,基于CV‑DNN的ISAR成像方法在成像质量和计算效率方面都优于传统压缩感知成像方法。

关 键 词：雷达成像 深度学习  逆合成孔径雷达 复数深度神经网络  

分 类 号：TP79]