典型文献
基于SVD-SRNet的SAR三维成像方法
文献摘要：
合成孔径雷达(SAR)三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标.稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低.研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用.然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限.为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络(SVD Signal-Space Normalization Super-Resolution Net,SVD-SRNet),能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度.计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性.
文献关键词：
SAR三维成像;深度网络;奇异值分解;归一化
中图分类号：
作者姓名：
曾涛;王岩;刘常浩;丁泽刚;卫扬铠
作者机构：
北京理工大学信息与电子学院雷达技术研究所,北京100081;北京理工大学长三角研究院,浙江嘉兴314019;北京理工大学重庆创新中心,重庆401120
文献出处：
引用格式：
[1]曾涛;王岩;刘常浩;丁泽刚;卫扬铠-.基于SVD-SRNet的SAR三维成像方法)[J].信号处理,2022(05):889-900
A类：
B类：
SVD,SRNet,SAR,三维成像,成像方法,合成孔径雷达,像是,信息获取,像素,稀疏信号处理,非线性特征,深度学习技术,非线性信号,初步应用,稀缺,仿真数据,深度学习方法,成像精度,奇异值分解,超分辨,Signal,Space,Normalization,Super,Resolution,计算机仿真,仿真试验,深度网络
AB值：
0.278889
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
