基于小波域的复数卷积和复数Transformer的轻量级MR图像重建方法

1

作者 张晓华 练秋生 《电子学报》 北大核心 2025年第4期1221-1231,共11页

卷积神经网络能够从大规模数据中学习图像先验信息,在图像处理领域具有优异表现,但局部感受野使其难以捕捉像素间的远程依赖关系. Transformer网络架构具有全局感受野,在自然语言和高级视觉问题上表现出色,但其计算复杂度与图像尺寸的... 卷积神经网络能够从大规模数据中学习图像先验信息,在图像处理领域具有优异表现,但局部感受野使其难以捕捉像素间的远程依赖关系. Transformer网络架构具有全局感受野,在自然语言和高级视觉问题上表现出色,但其计算复杂度与图像尺寸的平方成正比,限制了其在高分辨图像处理任务中的应用.此外,许多MR(Magnetic Resonance)图像重建算法仅使用幅值数据或将实部和虚部分离到两个独立的通道作为网络输入,忽略了复值图像实部和虚部之间的相关性.本文提出基于复数卷积和复数Transformer的混合模块,既能利用卷积神经网络提取的高分辨率空间信息恢复MR图像细节,又能通过自注意力模块获取的全局上下文信息捕获远程特征.基于混合模块,结合小波变换进一步提出基于小波域的复数卷积和复数Transformer的轻量级MR图像重建算法.在Calgary-Campinas和fastMRI两个数据集上的实验结果表明,所提出的模型与四种具有代表性的MR图像重建算法相比,具有更高的重建性能和更少的资源消耗.源代码公开于https://github.com/zhangxh-qhd/WCCTNet. 展开更多

关键词 MR图像重建 小波变换 轻量级网络 复数卷积 复数Transformer 感受野

在线阅读 下载PDF 职称材料

基于互STFT复数卷积神经网络的声源定位方法

2

作者 简泽明 周超 +2 位作者 胡君豪 聂磊 刘梦然 《传感器与微系统》 北大核心 2025年第8期27-31,共5页

当前声源定位中的深度学习算法多依赖单一实数特征,未能充分挖掘麦克风阵列间的空间信息与频谱特征的多样性。为此,提出一种基于互短时傅里叶变换(STFT)复数卷积神经网络(CCNN)的声源定位方法。该方法以融合幅度与相位信息的互STFT谱作... 当前声源定位中的深度学习算法多依赖单一实数特征,未能充分挖掘麦克风阵列间的空间信息与频谱特征的多样性。为此,提出一种基于互短时傅里叶变换(STFT)复数卷积神经网络(CCNN)的声源定位方法。该方法以融合幅度与相位信息的互STFT谱作为输入特征,并通过CCNN进行特征提取,以提升定位精度与鲁棒性。通过仿真与实验,对比分析了互STFT特征及三种典型特征在实数与复数网络中的定位性能。结果表明,所提方法具有显著优势,定位误差较实数方法降低了51.06%,验证了其在特征表达能力和定位精度方面的有效性,为深度学习在声源定位领域的进一步发展提供了新思路。 展开更多

关键词 声源定位 麦克风阵列 互短时傅里叶变换 复数卷积神经网络

在线阅读 下载PDF 职称材料

基于复数卷积和注意力机制的并行磁共振成像重建

3

作者 段继忠 肖琛 《北京航空航天大学学报》 北大核心 2025年第1期85-93,共9页

针对并行磁共振成像的重建,提出深度复数注意力网络(DCANet)模型。根据磁共振成像数据的复数性质,该模型使用复数卷积替换常规实数卷积;由于并行磁共振成像的数据中每个线圈获取到的数据有所不同,该模型还使用逐通道的注意力机制来重点... 针对并行磁共振成像的重建,提出深度复数注意力网络(DCANet)模型。根据磁共振成像数据的复数性质,该模型使用复数卷积替换常规实数卷积;由于并行磁共振成像的数据中每个线圈获取到的数据有所不同,该模型还使用逐通道的注意力机制来重点关注有效特征较多的通道;该模型使用数据一致性层保留采样过程中的原始数据,最终形成级联网络。使用3个不同的采样模式对2个不同磁共振成像数据序列进行实验,实验结果表明:DCANet模型具有较好的重建效果,能够获得更高的峰值信噪比(PSNR)和结构相似性指数(SSIM),以及更低的高频误差范数(HFEN),其中,PSNR相比磁共振成像级联通道注意力网络(MICCAN)、Deepcomplex、双倍频网络(DONet)这3种模型平均分别提高了4.52 dB、2.30 dB和1.21 dB。 展开更多

关键词 并行磁共振成像 图像重建 深度学习 复数卷积网络 注意力机制

在线阅读 下载PDF 职称材料

面向语音增强的双复数卷积注意聚合递归网络 被引量：6

4

作者 余本年 詹永照 +2 位作者 毛启容 董文龙 刘洪麟 《计算机应用》 CSCD 北大核心 2023年第10期3217-3224,共8页

针对现有的语音增强方法对语谱图特征关联信息表达有限和去噪效果不理想的问题,提出一种双复数卷积注意聚合递归网络(DCCARN)的语音增强方法。首先,建立双复数卷积网络,对短时傅里叶变换后的语谱图特征进行两分支信息编码;其次,将两分... 针对现有的语音增强方法对语谱图特征关联信息表达有限和去噪效果不理想的问题,提出一种双复数卷积注意聚合递归网络(DCCARN)的语音增强方法。首先,建立双复数卷积网络,对短时傅里叶变换后的语谱图特征进行两分支信息编码;其次,将两分支中编码分别使用特征块间和特征块内注意力机制对不同的语音特征信息进行重标注;再次,使用长短期记忆(LSTM)网络处理长时间序列信息,并用两解码器还原语谱图特征并聚合这些特征;最后,经短时逆傅里叶变换生成目标语音波形,以达到抑制噪声的目的。在公开数据集VBD(Voice Bank+DMAND)和加噪的TIMIT数据集上进行的实验的结果表明,与相位感知的深度复数卷积递归网络(DCCRN)相比,DCCARN在客观语音感知质量指标(PESQ)上分别提升了0.150和0.077~0.087。这验证了所提方法能更准确地捕获语谱图特征的关联信息,更有效地抑制噪声,并提高语音的清晰度。 展开更多

关键词 语音增强 注意力机制 复数卷积网络 编码 长短期记忆网络

在线阅读 下载PDF 职称材料

基于复数卷积残差网络的雷达杂波幅度统计模型分类 被引量：2

5

作者 张良 杨威 +2 位作者 李玮杰 杨小琪 刘永祥 《系统工程与电子技术》 EI CSCD 北大核心 2021年第11期3086-3097,共12页

雷达杂波幅度统计模型分类是进行杂波背景下检测目标的重要步骤。雷达杂波原始数据通常是复数数据,但现有杂波幅度统计模型分类研究都是在实数数据上完成的。复数数据同时包含幅度和相位信息,更丰富的信息量有助于雷达杂波幅度统计模型... 雷达杂波幅度统计模型分类是进行杂波背景下检测目标的重要步骤。雷达杂波原始数据通常是复数数据,但现有杂波幅度统计模型分类研究都是在实数数据上完成的。复数数据同时包含幅度和相位信息,更丰富的信息量有助于雷达杂波幅度统计模型分类。为此,引入复数神经网络,利用仿真杂波高分辨距离像(high resolution range profile,HRRP)复数数据,对雷达杂波幅度统计模型分类问题进行研究,完成了以下工作:一是为构建复数最大池化层,定义并改进了复数最大池化算法,通过复数卷积神经网络(complex-valued convolutional neural networks,CV-CNN)对杂波幅度统计模型的分类实验,对比了两种复数最大池化算法和复数平均池化算法的分类效果,实验结果表明复数最大池化算法的分类效果更好,分类准确率为97.29%;二是为进一步提高分类准确率,构建了复数卷积残差网络(complex-valued convolution-ResNet,CV-CRN),通过实验对比分析了CV-CRN的性能,实验结果表明,CV-CRN的分类性能优于CV-CNN,分类准确率达到98.84%,并具有较好的鲁棒性。 展开更多

关键词 杂波分类 高分辨距离像 复数卷积残差网络

在线阅读 下载PDF 职称材料

复数卷积神经网络滚动轴承故障诊断研究 被引量：14

6

作者 周林春 陈春俊 《中国测试》 CAS 北大核心 2020年第11期109-115,共7页

针对基于实数卷积神经网络的滚动轴承故障诊断方法对振动信号幅相信息利用不充分的问题,提出一种基于复数卷积神经网络的故障诊断模型。该模型以一维振动信号经连续小波变换得到的时频复数矩阵为输入,通过复数卷积神经网络独有的复数卷... 针对基于实数卷积神经网络的滚动轴承故障诊断方法对振动信号幅相信息利用不充分的问题,提出一种基于复数卷积神经网络的故障诊断模型。该模型以一维振动信号经连续小波变换得到的时频复数矩阵为输入,通过复数卷积神经网络独有的复数卷积方式提取和融合信号的幅值和相位特征,并通过全连接层和Softmax实现故障诊断结果输出。结果表明:采用复数卷积神经网络模型的故障诊断方法具有更强的抗噪声鲁棒性,在添加信号噪声的不同转速工况之间能保持更好的泛化性能,可提高滚动轴承故障诊断的准确率。 展开更多

关键词 滚动轴承 故障诊断 连续小波变换 复数卷积神经网络

在线阅读 下载PDF 职称材料

基于双通道复数卷积神经网络的DOA估计算法 被引量：2

7

作者 俞帆 陈格格 沈明威 《现代雷达》 CSCD 北大核心 2022年第12期81-86,共6页

针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA... 针对低信噪比下基于实数卷积神经网络(RV-CNN)的阵列波达方向(DOA)估计方法对接收信号幅相特征提取不充分的问题,引入复数卷积神经网络(CV-CNN)进行DOA估计。为进一步提高分类准确率,构建了一种基于复数卷积神经网络的非对称双通道DOA估计模型(CV-DCNN)。该模型以阵列接收信号的复数协方差矩阵作为输入,分别输入由空洞卷积层组成的第一通道和由标准卷积层组成的第二通道中,其中空洞卷积在不损失角度信息的情况下,增大特征图的感受野。通过复数卷积神经网络(CV-CNN)独有的复数卷积方式提取和融合信号的幅值和相位特征,将双通道提取的特征融合后通过全连接层和sigmoid函数实现角度分类结果输出。实验结果表明,CV-CNN比RV-CNN有更快的收敛速度,在低信噪比和少快拍条件下,CV-CNN比RV-CNN有更高的估计精度,而CV-DCNN比CV-CNN在收敛速度和估计精度上又有了进一步的提升。 展开更多

关键词 阵列达波方向估计 复数卷积神经网络 复数双通道卷积神经网络 空洞卷积

在线阅读 下载PDF 职称材料

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

8

作者 王勇 夏浩然 刘明帆 《信号处理》 北大核心 2025年第3期409-425,共17页

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... 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。 展开更多

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

在线阅读 下载PDF 职称材料

注意力去噪与复数LSTM的时变信道预测算法

9

作者 陈永 蒋丰源 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第1期29-40,共12页

随着无线通信技术的发展,高速场景下通信技术的研究也越来越广泛,其中获取到准确的信道状态信息对提升无线通信系统的性能具有重要的意义。针对正交频分复用系统在高速场景下,现有信道预测算法未考虑噪声影响及预测精度低的问题,提出了... 随着无线通信技术的发展,高速场景下通信技术的研究也越来越广泛,其中获取到准确的信道状态信息对提升无线通信系统的性能具有重要的意义。针对正交频分复用系统在高速场景下,现有信道预测算法未考虑噪声影响及预测精度低的问题,提出了一种注意力去噪与复数卷积LSTM的时变信道预测算法。首先,设计了一种通道注意力信道去噪网络对信道状态信息进行去噪处理,降低了噪声对信道状态信息的影响。然后,提出了基于复数卷积层和长短期记忆网络的信道预测模型,对去噪后历史时刻的信道状态信息进行特征提取,并且对未来时刻的信道状态信息进行预测;改进后的LSTM预测模型增强了对信道时序特征的提取能力,提高了信道预测的精度。最后,结合Adam优化器对未来时刻信道状态信息进行预测输出。仿真结果表明:与对比算法相比,所提基于注意力去噪与复数卷积LSTM的时变信道预测算法对信道状态信息的预测精度更高,能够适用于高速移动场景下的时变信道预测。 展开更多

关键词 时变信道预测 高速场景 通道注意力去噪 复数卷积长短期记忆网络 正交频分复用

在线阅读 下载PDF 职称材料

基于混合型复数域卷积神经网络的三维转动舰船目标识别 被引量：12

10

作者 张云 化青龙 +1 位作者 姜义成 徐丹 《电子学报》 EI CAS CSCD 北大核心 2022年第5期1042-1049,共8页

在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type C... 在较高海情下,由于舰船目标处于随机摆动的非平稳运动状态,常规合成孔径雷达(Synthetic Aperture Radar,SAR)成像处理会使得目标散焦、方位模糊,从而导致三维转动舰船目标识别准确率低.本文提出一种混合型复数域卷积神经网络(Mix-type Complex-Valued Convolutional Neural Network,Mix-CV-CNN),并推导Mix-CV-CNN前向传播与反向传播算法.三维转动舰船目标经过SAR成像处理后存在剩余相位信息,Mix-CV-CNN能充分利用SAR复数域图像的幅度和相位信息,在不进行目标重聚焦的情况下,较好完成SAR复杂运动舰船目标的识别.实验表明,Mix-CV-CNN相较于具有相同自由度的实数域卷积神经网络(Real-Valued Convolutional Neural Network,RV-CNN)识别性能有所提高,实测数据识别平均准确率提高3.85%. 展开更多

关键词 合成孔径雷达 复数域卷积神经网络 三维转动 目标散焦 舰船目标识别 混合型复数域卷积神经网络

在线阅读 下载PDF 职称材料

基于频率域可分离卷积的遥感图像道路分割方法 被引量：1

11

作者 赵金鼎 王彩玲 刘华军 《南京理工大学学报》 CAS CSCD 北大核心 2024年第4期442-450,共9页

遥感图像中分割道路是一个具有挑战性的课题。以前大多数方法都依赖于卷积神经网络,但这些网络模型很难捕获长距离的特征信息。以全局视野著称的注意力机制却拥有着较高的计算负担。频域下的卷积提供了一种新颖的长范围特征捕捉机制,并... 遥感图像中分割道路是一个具有挑战性的课题。以前大多数方法都依赖于卷积神经网络,但这些网络模型很难捕获长距离的特征信息。以全局视野著称的注意力机制却拥有着较高的计算负担。频域下的卷积提供了一种新颖的长范围特征捕捉机制,并且可以通过引入非对称卷积结构实现低代价的计算成本。基于此,该文提出了一种基于遥感图像的道路分割网络模型——轻量级可分离傅里叶滤波U形网络(LSFU-Net)。LSFU-Net整体采用了经典U-Net模型的结构,并由频域特征提取块作为基本模块组成。频域特征提取块中主要采用了可分离复数卷积,其实现了模型参数量压缩和模型特征提取能力增强。在马萨诸塞州道路数据集上和DeepGlobe道路数据集上的实验结果表明,LSFU-Net在较小的参数量下,表现出了优异的分割效果。 展开更多

关键词 可分离复数卷积 遥感 道路分割 频率域

在线阅读 下载PDF 职称材料

SAR-ATR系统复数对抗样本生成方法

12

作者 张梦君 熊邦书 《应用科学学报》 CAS CSCD 北大核心 2024年第5期747-756,共10页

针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复... 针对现有对抗攻击方法只能用于攻击实数卷积神经网络这一限制,提出了一种基于生成对抗网络的复数对抗样本生成方法。首先,设计了一种产生有效对抗样本的复数模型,并引入了复数计算模块;其次,利用残差神经网络作为基本骨架,将预训练的复数网络作为判别器实现对抗训练,以增强对抗样本的攻击能力;最后,通过替代模型实现可迁移的对抗攻击,以此实现了更高的攻击成功率。实验结果表明,所提方法在有目标攻击和无目标攻击任务下的成功率分别达到了76.338%和87.841%,迁移的成功率更高且对抗样本与原始干净样本更为接近。所提方法将对抗攻击扩展到复数神经网络后,避免了合成孔径雷达目标信息和精度的丢失,为实际合成孔径雷达自动目标识别系统的安全性和鲁棒性提供了参考方案。 展开更多

关键词 生成对抗网络 对抗样本 合成孔径雷达自动目标识别系统 复数卷积神经网络 有目标攻击 无目标攻击

在线阅读 下载PDF 职称材料

基于卷积调制的灵巧噪声干扰技术 被引量：34

13

作者 徐晓阳 包亚先 周宏宇 《现代雷达》 CSCD 北大核心 2007年第5期28-31,共4页

为了对现代新体制相参雷达实施有效的干扰,提出了一种基于卷积调制的灵巧噪声干扰技术实现方案。这种干扰不仅消除了相参雷达对压制干扰的处理增益,以提高干扰功率利用率,同时又比纯欺骗干扰具有更好的干扰效果。对方案的原理组成框图... 为了对现代新体制相参雷达实施有效的干扰,提出了一种基于卷积调制的灵巧噪声干扰技术实现方案。这种干扰不仅消除了相参雷达对压制干扰的处理增益,以提高干扰功率利用率,同时又比纯欺骗干扰具有更好的干扰效果。对方案的原理组成框图、工作过程和相关理论进行了详细讨论,并给出了软件仿真结果。 展开更多

关键词 压制干扰 欺骗干扰 灵巧噪声干扰 复数卷积干扰

在线阅读 下载PDF 职称材料

实复域多尺度多层次融合的复合故障定位方法

14

作者 宋佳宇 高雪莲 陈哲煊 《电子测量技术》 北大核心 2025年第5期118-127,共10页

针对模拟电路多故障并发的定位问题,提出了一种实复域相结合的定位算法。在实数域利用空间和通道注意力机制的不同操作,在控制网络深度和参数数量的同时获取完整数据特征;在复数域利用复数卷积神经网络跨越层级产生的差异,通过跳跃联接... 针对模拟电路多故障并发的定位问题,提出了一种实复域相结合的定位算法。在实数域利用空间和通道注意力机制的不同操作,在控制网络深度和参数数量的同时获取完整数据特征;在复数域利用复数卷积神经网络跨越层级产生的差异,通过跳跃联接构建深浅层特征融合结构,保留了易丢失的浅层信息并将其与深层信息融合后得到复数域特征。将实复域特征融合用于模拟电路复合故障定位研究,定位平均准确率均在85%以上,最高准确率达到100%。该方法具有较强的稳定性和鲁棒性,为模拟电路复合故障定位研究提供了可行性方案。 展开更多

关键词 复合故障定位 注意力机制 复数卷积 特征融合

在线阅读 下载PDF 职称材料

改进的毫米波复数网络稀疏成像算法 被引量：1

15

作者 车俐 吴兴云 +2 位作者 汪林 杜刚 蒋留兵 《计算机应用研究》 CSCD 北大核心 2022年第2期604-608,共5页

针对基于压缩感知的重构方法耗时巨大的问题,从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先,构建基于复数卷积的U-Net网络。其次,将欠采样信号输入网络得到满采样信号。最后,使用距离维脉压的二维匹配滤波算法重构... 针对基于压缩感知的重构方法耗时巨大的问题,从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先,构建基于复数卷积的U-Net网络。其次,将欠采样信号输入网络得到满采样信号。最后,使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中,并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证,实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。 展开更多

关键词 毫米波 稀疏阵列 二维匹配滤波 复数卷积U-Net网络

在线阅读 下载PDF 职称材料

一种用IMSA100实现的雷达数字稳频系统 被引量：2

16

作者 李宏斌 丁建江 +1 位作者 徐向东 高玉良 《现代雷达》 CSCD 北大核心 1997年第2期88-91,共4页

概述了一种用可级联型横向滤波器ＩＭＳＡ１００实现的雷达数字稳频系统及其设计方法。系统利用ＩＭＳＡ１００的特点，用数字稳频技术实现了对雷达发射信号的校正。与其它类似系统相比，具有电路结构简单、功能灵活、性能价格比高等优点。

关键词 IMSA100 复数卷积 数字稳频技术 雷达

在线阅读 下载PDF 职称材料

基于深度学习的雷达成像技术研究进展 被引量：6

17

作者 张云 穆慧琳 +1 位作者 姜义成 丁畅 《雷达科学与技术》 北大核心 2021年第5期467-478,共12页

成像雷达具有全天时、全天候、远距离、高分辨对地观测的能力,使得雷达系统具有对观测区域进行成像和解译的能力。利用先进信号处理技术实现实时高分辨成像以满足图像解译的需求是雷达成像技术研究的重要目的和意义。随着深度学习的迅... 成像雷达具有全天时、全天候、远距离、高分辨对地观测的能力,使得雷达系统具有对观测区域进行成像和解译的能力。利用先进信号处理技术实现实时高分辨成像以满足图像解译的需求是雷达成像技术研究的重要目的和意义。随着深度学习的迅速兴起,深度学习网络在逆问题求解中得到广泛应用,也为提升成像质量和成像效率提供新的求解思路。本文基于雷达成像数学模型将雷达成像问题建模为成像逆问题,从逆问题求解的角度分析了基于深度学习的雷达成像方法的可行性。并综述了近年来雷达深度学习技术在合成孔径雷达(Synthetic Aperture Radar,SAR)、逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)、SAR运动目标成像等雷达成像领域的研究现状,在此基础上探讨了目前面临的亟待解决的问题,并对未来发展方向进行了展望。 展开更多

关键词 深度学习 雷达成像 逆问题 卷积神经网络 复数域卷积神经网络

在线阅读 下载PDF 职称材料