-
题名基于自适应阈值卷积网络的抗干扰雷达目标识别
- 1
-
-
作者
王佳豪
陈澍元
赵书敏
蒋忠进
-
机构
东南大学毫米波全国重点实验室
中国空空导弹研究院空基信息感知与融合全国重点实验室
-
出处
《雷达科学与技术》
北大核心
2024年第5期487-494,共8页
-
基金
国家自然科学基金资助项目(No.61890544,91748106)。
-
文摘
本文提出了一种自适应阈值卷积网络(ATCN),基于HRRP数据进行抗干扰雷达目标识别。ATCN中的核心模块是自适应阈值卷积单元(ATCU),该模块能准确高效地完成对HRRP数据的特征提取。在ATCU中,采用自适应阈值函数充当激活函数,自动调整阈值以面对不同信干比的数据;利用多个不同尺度的卷积核来捕获HRRP数据中的区域差异特征;引入通道注意力机制和残差连接优化网络结构。本文进行了大量的抗干扰目标识别实验,实验结果表明,相比于所选择的3种对比网络,本文的ATCN网络能在不同干扰类型和不同信干比下提供更优的平均识别率和更好的指标稳定性,且具有更少的网络模型参数量和浮点运算次数,具备轻量化和高效的特点。
-
关键词
雷达自动目标识别
高分辨距离像
压制性干扰
自适应阈值卷积单元
-
Keywords
radar automatic target recognition(RATR)
high resolution range profile(HRRP)
suppression in⁃terference
adaptive threshold convolution unit(ATCU)
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于改进YOLOv8网络模型的芯片BGA缺陷检测
- 2
-
-
作者
陈澍元
王鸣昕
赵嘉宁
蒋忠进
-
机构
东南大学信息科学与工程学院
-
出处
《半导体技术》
2025年第4期378-384,392,共8页
-
文摘
为提高芯片球栅阵列(BGA)缺陷检测的精度和效率,提出一种基于改进YOLOv8网络模型的芯片BGA缺陷检测方法。该方法以常规YOLOv8网络模型为基础,在骨干网络中引入双层路由注意力(BRA)机制,以增强模型捕捉长程依赖和复杂特征的能力;在检测头网络中引入双标签分配策略,从而省略耗时的非极大值抑制(NMS)运算,以提高模型检测速度;此外,引入Focaler-WiseIoU边框回归损失函数,以提高模型的边框回归精度。进行了大量基于实测数据的BGA缺陷检测实验,实验结果验证了改进YOLOv8模型的有效性,其总体性能优于三种对比模型。相比常规YOLOv8模型,改进YOLOv8模型的精确率提高了1.2%,召回率提高了3.9%,平均精度均值mAP_(50)提高了2.9%,mAP_(50~95)提高了2.2%,每秒处理帧数(FPS)提高了33.8%。
-
关键词
球栅阵列(BGA)
缺陷检测
深度学习
YOLOv8
注意力机制
-
Keywords
ball grid array(BGA)
defect detection
deep learning
YOLOv8
attention
-
分类号
TN407
[电子电信]
-
