-
题名基于复数域卷积神经网络的ISAR包络对齐方法研究
被引量：1
- 1
-
-
作者
王勇
夏浩然
刘明帆
-
机构
哈尔滨工业大学电子工程技术研究所
-
出处
《信号处理》
北大核心
2025年第3期409-425,共17页
-
基金
国家杰出青年科学基金(62325104)。
-
文摘
在逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像领域,运动补偿是确保高质量图像生成的关键环节。包络对齐(Range Alignment,RA)作为运动补偿的首要步骤,对于校正由平动分量引起的回波信号包络偏移至关重要。本文提出了一种基于复数域卷积神经网络(Complex-Valued Convolutional Neural Network,CVCNN)的包络对齐新方法,旨在通过深度学习策略提升包络对齐的精度与计算效率。本文所提方法利用了卷积神经网络强大的特征学习能力,构建了一个能够映射一维距离像与包络补偿量之间复杂关系的模型。通过将传统的实值卷积神经网络拓展至复数域,不仅完整保留了回波信号中的相位信息,而且有效引入了复数域残差块及线性连接机制,进一步精细化了网络结构设计。这种架构改进使得所提算法能实现低信噪比(Signal-to-Noise Ratio,SNR)条件下对ISAR距离像的高效包络对齐。在数据生成方面,本文基于雷达仿真参数,通过成像模拟仿真构建了ISAR回波数据集。该数据集经过归一化处理后,输入网络进行训练,使网络能够学习从未对齐回波到对应补偿量的映射关系。本文所提方法采用迁移学习策略,对基于仿真数据预训练的模型进行微调,以适应实测数据。这一策略不仅增强了结果的可靠性,同时也大幅缩短了模型的迭代周期。在实验验证方面,本文采用仿真与实测数据进行综合测试,以包络对齐精度、成像结果质量和计算效率为评价指标,全面验证了算法的有效性。实验结果表明,在不同信噪比条件下,本文所提方法均展现出了优越的包络对齐性能,进而可以实现高质量成像,同时在计算效率上也具有显著优势。
-
关键词
逆合成孔径雷达
包络对齐
复数域卷积神经网络
有监督学习
-
Keywords
inverse synthetic aperture radar
range alignment
complex-valued convolutional neural network
super‐vised learning
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名二维多轴向经编碳纤维复合材料性能研究
被引量：3
- 2
-
-
作者
刘明帆
张鹏
程永奇
-
机构
广东工业大学材料与能源学院
-
出处
《玻璃钢／复合材料》
CAS
北大核心
2019年第7期28-33,共6页
-
基金
广东省工业高新技术领域科技计划项目(2014A010105042,2017A010102021)
-
文摘
本文采用相同工艺制备了三种多轴向经编碳纤维复合材料,研究了不同编织方式的碳纤维复合材料的冲击、压缩及摩擦性能。结果表明,三轴(±45°/90°)碳纤维复合材料表现出了突出的冲击性能,相比于二轴(±45°)复合材料,冲击强度提高90%,相比于四轴(-45°/0°/+45°/90°)复合材料,冲击强度提高45%。二轴(±45°)、三轴(±45°/90°)、四轴(-45°/0°/+45°/ 90°)碳纤维复合材料的压缩强度随着编织角的增加而增大,四轴相比于二轴压缩强度提高125.7%。温度对碳纤维复合材料的摩擦性能有直接影响,室温下与平纹编织碳纤维复合材料相比,多轴向经编碳纤维复合材料的摩擦系数更低,摩擦稳定性更高;高温下,复合材料摩擦系数随着试验温度的增加呈先减小后增大的趋势,当试验温度为150 ℃时,复合材料的摩擦系数有最小值。
-
关键词
多轴向经编结构
复合材料
冲击性能
压缩性能
摩擦性能
-
Keywords
multiaxial warp-knitting structure
composites
impact property
compression property
friction performance
-
分类号
TB332
[一般工业技术—材料科学与工程]
-
