期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
一种基于修正激活函数的CNN车载毫米波雷达目标检测方法
被引量：
3
1
作者
王晨
王明江
陈嵩
《信号处理》
CSCD
北大核心
2023年第1期116-127,共12页
为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络(CNN)特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒...
为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络(CNN)特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒二维数据运用滑窗进行分割,并采用CNN网络模型处理分割后的二维矩阵,训练二维CNN网络模型及其参数,使其具有提取回波特征并基于特征参数模型进行目标分类的能力,从而实现目标检测功能。通过对卷积神经网络模型结构进行优化,增加批量归一化层,优化Dropout层使得低权重特征失活,自适应地删减部分神经元节点修正该层非线性激活函数,进一步降低了CNN模型目标检测的虚警概率。实验结果表明,在相同虚警概率条件下,CNN网络检测方法目标发现概率优于传统的单元平均恒虚警检测方法,并且在低信噪比的条件下仍然能够保持较高的发现概率;在同等发现概率水平下,修正后CNN网络检测方法的虚警概率较修正前可提高约1个数量级。
展开更多
关键词
雷达目标检测
深度学习
卷积神经网络(CNN)
低
虚警
率
优化Dropout层
下载PDF
职称材料
基于分裂阵配置的旁瓣抑制方法
2
作者
曹宦植
蔡志明
+1 位作者
幸高翔
奚畅
《电子学报》
EI
CAS
CSCD
北大核心
2019年第6期1388-1392,共5页
常规波束形成技术因原理简单、稳健性好,在被动声呐工程实践中被广泛应用,但其测向精度低且多级旁瓣在探测中会产生虚警.采用相位干涉仪先粗测再精测和相位单元化筛选能量的思想,提出基于不同分裂阵配置的方法实现对目标的高精度、低虚...
常规波束形成技术因原理简单、稳健性好,在被动声呐工程实践中被广泛应用,但其测向精度低且多级旁瓣在探测中会产生虚警.采用相位干涉仪先粗测再精测和相位单元化筛选能量的思想,提出基于不同分裂阵配置的方法实现对目标的高精度、低虚警探测.海上试验数据的实际运用结果表明,本文方法可消除旁瓣干扰,噪声背景级相较常规波束形成技术降低至少5dB.该方法可用于被动均匀线列阵,对雷达和主动声呐的空间谱构建也有一定借鉴意义.
展开更多
关键词
被动声呐
均匀线列阵
旁瓣抑制
分裂阵配置
相位单元化
高测向精度
低
虚警
率
下载PDF
职称材料
题名
一种基于修正激活函数的CNN车载毫米波雷达目标检测方法
被引量：
3
1
作者
王晨
王明江
陈嵩
机构
北京交通大学电子信息工程学院
出处
《信号处理》
CSCD
北大核心
2023年第1期116-127,共12页
基金
北京交通大学人才基金(2021RC263)。
文摘
为了提高车载毫米波雷达在复杂城市道路环境中目标检测的抗杂波与干扰能力,本文利用卷积神经网络(CNN)特征参数提取和目标分类特性,提出了一种改进的基于CNN的车载毫米波雷达目标检测方法。该方法首先将毫米波雷达回波信号距离-多普勒二维数据运用滑窗进行分割,并采用CNN网络模型处理分割后的二维矩阵,训练二维CNN网络模型及其参数,使其具有提取回波特征并基于特征参数模型进行目标分类的能力,从而实现目标检测功能。通过对卷积神经网络模型结构进行优化,增加批量归一化层,优化Dropout层使得低权重特征失活,自适应地删减部分神经元节点修正该层非线性激活函数,进一步降低了CNN模型目标检测的虚警概率。实验结果表明,在相同虚警概率条件下,CNN网络检测方法目标发现概率优于传统的单元平均恒虚警检测方法,并且在低信噪比的条件下仍然能够保持较高的发现概率;在同等发现概率水平下,修正后CNN网络检测方法的虚警概率较修正前可提高约1个数量级。
关键词
雷达目标检测
深度学习
卷积神经网络(CNN)
低
虚警
率
优化Dropout层
Keywords
radar target detection
deep learning
convolutional neural network(CNN)
low false alarm rate
optimize the Dropout layer
分类号
TN957.51 [电子电信—信号与信息处理]
下载PDF
职称材料
题名
基于分裂阵配置的旁瓣抑制方法
2
作者
曹宦植
蔡志明
幸高翔
奚畅
机构
海军工程大学电子工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2019年第6期1388-1392,共5页
基金
国家自然科学基金(No.51679247)
文摘
常规波束形成技术因原理简单、稳健性好,在被动声呐工程实践中被广泛应用,但其测向精度低且多级旁瓣在探测中会产生虚警.采用相位干涉仪先粗测再精测和相位单元化筛选能量的思想,提出基于不同分裂阵配置的方法实现对目标的高精度、低虚警探测.海上试验数据的实际运用结果表明,本文方法可消除旁瓣干扰,噪声背景级相较常规波束形成技术降低至少5dB.该方法可用于被动均匀线列阵,对雷达和主动声呐的空间谱构建也有一定借鉴意义.
关键词
被动声呐
均匀线列阵
旁瓣抑制
分裂阵配置
相位单元化
高测向精度
低
虚警
率
Keywords
passive sonar
uniform linear array
sidelobe reduction
split-beam configuration
phase binning process
high bearing accuracy
low false alarm rate
分类号
TN911 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
一种基于修正激活函数的CNN车载毫米波雷达目标检测方法
王晨
王明江
陈嵩
《信号处理》
CSCD
北大核心
2023
3
下载PDF
职称材料
2
基于分裂阵配置的旁瓣抑制方法
曹宦植
蔡志明
幸高翔
奚畅
《电子学报》
EI
CAS
CSCD
北大核心
2019
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
