-
题名融合可微分渲染的SAR多视角样本增广
- 1
-
-
作者
贾赫成
蒲欣洋
王燕妮
符士磊
徐丰
-
机构
电磁波信息科学教育部重点实验室复旦大学
-
出处
《雷达学报（中英文）》
EI
CSCD
北大核心
2024年第2期457-470,共14页
-
基金
国家自然科学基金(61991422)。
-
文摘
合成孔径雷达(SAR)因其全天候、全天时的监测能力在民用和军事领域得到广泛应用。近年来,深度学习已被广泛应用于SAR图像自动解译。然而,由于卫星轨道和观测角度的限制,SAR目标样本面临视角覆盖率不全的问题,这为学习型SAR目标检测识别算法带来了挑战。该文提出一种融合可微分渲染的SAR多视角样本生成方法,结合逆向三维重建和正向渲染技术,通过卷积神经网络(CNN)从少量SAR视角图像中反演目标三维表征,然后利用可微分SAR渲染器(DSR)渲染出更多视角样本,实现样本在角度维的插值。另外,方法的训练过程使用DSR构建目标函数,无需三维真值监督。根据仿真数据的实验结果,该方法能够有效地增加多视角SAR目标图像,并提高小样本条件下典型SAR目标识别率。
-
关键词
合成孔径雷达(SAR)
可微分SAR渲染器(DSR)
卷积神经网络(CNN)
三维重建
多视角样本生成
-
Keywords
Synthetic Aperture Radar(SAR)
Differentiable SAR Renderer(DSR)
Convolutional Neural Network(CNN)
3D reconstruction
Multi-view sample generation
-
分类号
TN95
[电子电信—信号与信息处理]
-
-
题名基于深度神经网络的可编程超表面智能波束形成
被引量：3
- 2
-
-
作者
李商洋
符士磊
徐丰
-
机构
复旦大学电磁波信息科学教育部重点实验室
-
出处
《雷达学报（中英文）》
CSCD
北大核心
2021年第2期259-266,共8页
-
基金
国家重点研发计划(2017YFA0700203)。
-
文摘
通过在超表面单元上加载二极管等有源器件,可编程超表面可实现对电磁波的实时灵活调控。通常利用全波仿真软件计算可编程超表面的辐射场,但该方法需要消耗大量的时间,因而降低了设计效率。为了实现准确高效求解给定编码序列计算辐射场,该文首先设计了辐射场自动测试系统,利用该测试系统实测了少量的编码和辐射场数据,其后提出了一个正向深度神经网络,基于实测的数据训练该神经网络,最终实现了给定编码准确高效预测辐射场。对于给定辐射场求解编码的逆问题,该文提出了一个逆向深度神经网络。基于正向网络生成的数据训练所提出的逆向网络,最终实现了给定辐射场实时准确求解编码。该文所提出的方法为雷达波束形成提供了一种新可选方案,在雷达智能波束形成、微波成像等领域有一定的应用价值。
-
关键词
可编程超表面
离散偶极子近似
深度学习
全连接网络
辐射场预测
-
Keywords
Programmable metasurface
Deep neural network
Full connected network
Code-to-pattern
Pattern-to-code
-
分类号
TN95
[电子电信—信号与信息处理]
-
