基于深度卷积自编码器的短距慢动目标检测

针对目标雷达散射截面积(RCS)较小、杂波和噪声严重环境下短距离慢动目标难以检测的问题,设计了一种具有跳跃连接结构的双通道卷积自编码器的目标检测方法.该方法以时频谱作为输入,送入设计的卷积自编码器模型中,网络采用IQ双通道结构以提取目标回波的幅度和相位特征,并在中间层实现特征融合.考虑到在时频谱上目标尺度小,网络中还设...     

基于K-均值聚类的SVD杂波抑制算法

针对强地物静止杂波及慢速杂波严重环境下,慢速运动目标被淹没其中而无法有效检测的问题,本文设计了一种基于K-均值聚类的SVD杂波抑制方法。该方法对回波信号矩阵进行奇异值分解,依据回波信号特性,得到相应的奇异值谱分布,以及奇异向量的空间相关性和平均多普勒频率三个统计量特征,然后基于这些特征采用K-均值聚类算法对各奇异分量进行聚类,无需人为设定阈值参数估计杂波基,可以自适应确定杂波子空间所对应的奇异向量,最后通过正交子空间投影来抑制回波信号中的杂波成分。实验结果表明,该方法在低信杂比条件下相比于传统子空间方法,能够得到较好杂波抑制效果。     

移动场景下的智能信道预测方法

针对无线通信信道估计老化问题,本文提出了一种基于卷积神经网络的信道预测方法,该方法通过联合轨迹预测和信道重构实现。首先,采用卷积神经网络学习从规划路线和移动终端所在位置到移动方向映射,进而预测出轨迹上多个目标位置;其次,采用卷积神经网络学习从目标位置附近K个位置项的信道,到目标位置信道间映射,用于实现预测轨迹的信道估计。本文利用Wireless InSite为移动方向预测和信道重构模型的训练及测试生成充足的样本,包括规划路线和通过射线跟踪方法获取的信道等。仿真结果表明,本文所提出的方法能有效地估计目标位置的信道特性,与K值较小的K-近邻插值方法和基于全连接神经网络的信道预测方法相比,其信道估计总相对误差更低且鲁棒性较好。