排序方式: 共有64条查询结果,搜索用时 296 毫秒
61.
62.
63.
现代合成孔径雷达(SAR)系统工作在日益复杂的电磁环境中,对成像精度、实时性以及算法鲁棒性等要求越来越高。传统的匹配滤波以及压缩感知技术在满足SAR成像的各类高标准要求时局限性较为明显,尤其在成像性能方面。随着机器学习的快速发展,研究人员将深度学习网络与雷达成像算法相结合,提出了学习成像技术,旨在为实现高质量实时成像寻求新的解决方案。本文从数据驱动以及模型驱动同数据驱动相结合的两种思路出发,介绍了用于求解SAR成像逆问题的深度学习网络架构。在此基础上,对SAR静止目标学习成像、SAR运动目标学习成像、SAR三维学习成像以及ISAR学习成像的研究现状进行概述,帮助研究人员和从业人员理解深度学习技术在SAR成像相关问题中的应用。最后,提出该研究方向一些悬而未决的问题,探讨潜在的解决方案和未来趋势。 相似文献
64.
雷达干扰和抗干扰是现代电子战的主要内容之一,是作战双方围绕雷达展开的电磁博弈。受限于有限资源,单基地雷达不足以对抗复杂电子干扰。雷达组网系统将异地部署的多部雷达连接起来对特定区域进行协同探测和信息融合,具有覆盖范围广、获取信息全、测量精度高的优势。更重要的是,雷达组网系统可以通过多视角观测和协同控制,形成对单一干扰机的体系优势。首先简要介绍了雷达组网系统的发展趋势,分析了其抗干扰能力;随后从对抗压制干扰、对抗欺骗干扰和资源管控3个方面对现有雷达组网系统对抗有源干扰方法进行了归纳总结;最后对雷达组网系统对抗有源干扰的发展趋势进行了展望。 相似文献