典型文献
基于ResNet车载雷达干扰分类研究
文献摘要：
随着自动驾驶技术的发展,毫米波雷达成为自动驾驶的一个关键传感器,由于汽车雷达数目增加,雷达与雷达间相互干扰是不可避免的问题,为了减轻雷达间的相互干扰,识别车辆中雷达发射的信号类型是很有必要的.针对不同干扰信号类型,本文提出了一种基于残差神经网络的车载雷达干扰分类的方法,首先建立不同类型的干扰数据模型,生成大量的干扰数据,然后应用残差神经网络对不同类型的干扰进行分类.结果显示,该网络不仅收敛速度快,而且在干扰分类方面取得了很好的效果.
文献关键词：
毫米波雷达;干扰分类;深度学习;残差网络
中图分类号：
作者姓名：
蒋留兵;申杰琦;车俐
作者机构：
桂林电子科技大学信息与通信学院, 广西桂林 541004;广西无线宽带通信与信号处理重点实验室, 广西桂林 541004;桂林电子科技大学计算机与信息安全学院, 广西桂林 541004
文献出处：
引用格式：
[1]蒋留兵;申杰琦;车俐-.基于ResNet车载雷达干扰分类研究)[J].雷达科学与技术,2022(06):697-704
A类：
B类：
ResNet,车载雷达,雷达干扰,干扰分类,分类研究,自动驾驶技术,毫米波雷达,汽车雷达,相互干扰,避免的问题,信号类型,干扰信号,残差神经网络,干扰数据,数据模型,收敛速度,残差网络
AB值：
0.295129
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。
