收藏本站
《电子科技大学》 2020年
收藏 | 手机打开
二维码
手机客户端打开本文

深度学习和雷达散射截面关联的SAR数据生成研究

秦金泽  
【摘要】:合成孔径雷达(Synthetic Aperture Radar,SAR)在军事侦察和目标识别领域有着非常广泛的应用需求。传统的SAR目标识别需要很强的专业知识支撑,耗时耗力。而SAR图像本身会受到雷达带宽和观测视角的影响而发生变化,对基于人工智能的SAR目标识别造成了很大的困难,要想获得较高的识别率,必须要有大量的在不同条件下的目标SAR图像,所以,对高分辨率SAR图像生成技术的研究具有十分重要的意义。人工智能和深度学习的飞速发展,为SAR图像生成技术的研究提供了新的思路。人工智能和卷积神经网络(Convolutional neural network,CNN)具有强大的学习能力和特征表达能力,目前在语音识别、图像处理和文本理解方面已经取得了惊人的成就。基于人工智能设计出高效的SAR图像生成模型是一个极具前景的研究方向。生成对抗网络(Generative Adversarial Networks,GAN)是目前人工智能领域最火热的生成模型,在普通光学图像的生成上表现出了十分优秀的性能。而SAR图像的成像机理和光学图像不同,为了提高原始生成对抗网络的效果,本文将用SAR图像目标的雷达散射截面(Radar-Cross Section)特性来指导神经网络的训练,并结合卷积神经网络(CNN)强大的特征学习能力,研究设计基于目标RCS特性的条件深度卷积生成对抗网络。全文的研究内容主要包含以下几个方面:(1)研究合成孔径雷达的成像机理和基本方法,分析了雷达目标的分布模型,提出了几何模型的构建方法,给出了雷达散射截面(Radar-Cross Section,RCS的计算方法。(2)深入研究了人工智能深度学习的原理和卷积神经网络的结构,分析了卷积层、池化层和全连接层的原理和应用。在此基础上讨论了生成对抗网络模型的原理和网络结构。(3)在原始生成对抗网络的基础上,研究了条件生成对抗网络和深度卷积生成对抗网络,结合这两种网络模型的优点,设计了基于目标RCS特性的条件深度卷积生成对抗网络,给出了它的网络结构和训练方法。(4)使用MSTAR(Moving and Stationary Target Acquisition and Recognition)的数据集在普通深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)模型和我们改进的条件深度卷积生成对抗网络(Conditional-Deep Convolutional Generative Adversarial Networks,C-DCGAN)模型上训练,分别生成了两组SAR图像,每一组各包括BMP2、TBR70和T72三类目标。然后设计了一个能对这三类目标进行分类的卷积神经网络,验证了生成图片的效果。本文从SAR图像目标识别的需求出发,针对基于深度学习和雷达散射截面的SAR图像生成方法进行了详细的研究,可以为人工智能技术的应用和SAR图像的研究提供一个新的思路,为基于人工智能的SAR图像目标识别研究提供帮助。
【学位授予单位】:

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 田忠明;郭琨毅;盛新庆;;SAR辐射定标中角反射器精度分析[J];新型工业化;2011年10期
2 贾建科;张麟兮;赵军仓;;合成孔径雷达(SAR)实时成像仿真研究[J];计算机仿真;2006年11期
3 张婷;张鹏飞;曾琪明;;SAR定标中角反射器的研究[J];遥感信息;2010年03期
4 罗天文;杨桄;郑南;冯万里;;一种SAR目标识别综合框架[J];电脑编程技巧与维护;2011年18期
5 王超,张波,温晓阳,张红,吴樊,张长耀,江凯,陈仁元;基于雷达散射特性的高分辨率SAR图像自动目标识别[J];电波科学学报;2004年04期
6 孙玉康;王润生;刘方;齐彬;;基于雷达散射特性的复杂目标SAR图像仿真[J];计算机仿真;2008年09期
7 刘振;姜晖;王粒宾;;基于加权两向二维线性鉴别分析的SAR目标识别方法[J];计算机应用;2013年02期
8 龙泓琳;皮亦鸣;曹宗杰;;基于非负矩阵分解的SAR图像目标识别[J];电子学报;2010年06期
9 陈国艳;;SAR图像中多特征融合与识别技术研究[J];舰船科学技术;2019年22期
10 余安远,郭荣伟,孙姝,谢雪明;三种不同的进气道与弹体组合体雷达散射截面特性[J];南京航空航天大学学报;2002年06期
11 王军锋;乔明;刘子畅;吕大勇;;微型全极化SAR海洋监测应用技术研究[J];测绘与空间地理信息;2020年02期
12 徐牧;王雪松;肖顺平;;基于目标轮廓特征的SAR图像目标识别[J];系统工程与电子技术;2006年12期
13 张国华,袁乃昌,庄钊文;基于面元法的航母雷达散射截面计算[J];国防科技大学学报;2001年05期
14 杨云志;黄顺吉;王建国;;SAR原始数据的频域量化编码方法研究[J];系统工程与电子技术;2005年12期
15 王珂;洪峻;张问一;张月婷;惠延波;明峰;;SAR反演邻近岸海面风场方法[J];电子与信息学报;2013年08期
16 王燕霞;张弓;;基于特征参数稀疏表示的SAR图像目标识别[J];重庆邮电大学学报(自然科学版);2012年03期
17 许志飞;郝玲丽;;基于几何特征信息融合的SAR图像目标识别[J];杭州电子科技大学学报;2009年02期
中国重要会议论文全文数据库 前10条
1 孙伟顺;计科峰;朱俊;粟毅;;典型军用目标SAR图像预估[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年
2 刘寒颖;张耀天;张玉玺;王俊;;基于深度学习的SAR目标识别及FPGA实现[A];第十一届全国信号和智能信息处理与应用学术会议专刊[C];2017年
3 韩萍;吴仁彪;王兆华;高倩;;基于模板匹配的SAR目标识别预处理新方法[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
4 刘志刚;陈振;张伟;;浅析SAR图像的判与读[A];国家安全地球物理丛书(七)——地球物理与核探测[C];2011年
5 薛宇;姜文;龚书喜;;基于编码超表面的宽频带雷达散射截面缩减[A];2016年全国军事微波、太赫兹、电磁兼容技术学术会议论文集[C];2016年
6 杨文;孙洪;管鲍;王晓军;;基于目标识别的SAR图像特征分析[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
7 徐凯;孙淑光;刘瑞华;;基于载机速度变化分析的SAR运动补偿[A];全国第二届信号处理与应用学术会议专刊[C];2008年
8 刘淑茜;朱文;李钟敏;贾鑫;;基于小波包分析的SAR射频干扰自适应抑制方法[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
9 刘宇迪;;SAR资料反演海面风场的对比研究及其变分质量控制[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
10 罗永波;高贵;;SAR图像变化检测[A];第九届全国信号和智能信息处理与应用学术会议专刊[C];2015年
中国重要报纸全文数据库 前7条
1 陈佳佳 记者 付毅飞;国内首款太赫兹视频SAR研制成功[N];科技日报;2018年
2 赛迪智库;从神经网络交换标准发布谈人工智能开放生态建设[N];中国计算机报;2018年
3 本报记者 贡晓丽;软硬兼施探索广义深度学习[N];中国科学报;2018年
4 佚名;人工智能的十大热门技术趋势[N];中国信息化周报;2016年
5 本报记者 张佳星;AI学会造假,我们该如何应对[N];科技日报;2019年
6 脸书人工智能研究院研究员 田渊栋;人与机器必将走向合作融合[N];文汇报;2017年
7 佚名;掀起人工智能热潮的重要技术[N];中国信息化周报;2018年
中国博士学位论文全文数据库 前10条
1 龙毛;天线宽频带、宽角域的雷达散射截面控制技术研究[D];西安电子科技大学;2018年
2 王义敏;基于机载SAR图像的对地目标检测方法研究[D];西北工业大学;2006年
3 于秋则;合成孔径雷达(SAR)图像匹配导航技术研究[D];华中科技大学;2004年
4 张祥;多源时序SAR数据土壤水分反演研究[D];中国矿业大学;2017年
5 宗竹林;编队卫星SAR波形设计及成像技术研究[D];电子科技大学;2012年
6 苗慧;机载SAR定位精度的研究[D];中国科学院研究生院(电子学研究所);2007年
7 董骞;基于软件无线电的SAR数字接收机研究[D];中国科学院研究生院(电子学研究所);2007年
8 陈彦桥;基于稀疏表示和深度学习的极化SAR图像分类[D];西安电子科技大学;2019年
9 杨海光;临近空间SAR成像理论与成像方法研究[D];电子科技大学;2014年
10 时公涛;基于干涉图的多通道SAR地面慢动目标自动检测技术研究[D];国防科学技术大学;2009年
中国硕士学位论文全文数据库 前10条
1 秦金泽;深度学习和雷达散射截面关联的SAR数据生成研究[D];电子科技大学;2020年
2 王胜廷;高分辨率SAR仿真图像生成技术及其在目标识别中的应用[D];国防科学技术大学;2011年
3 李希同;外形隐身飞机的电磁散射特性与SAR成像特性分析[D];东南大学;2015年
4 雷雪;基于频率选择表面的雷达散射截面控制研究[D];西南交通大学;2019年
5 韩阳阳;基于MIMO雷达和RCS的目标识别技术研究[D];西安电子科技大学;2018年
6 赵秋楠;基于深度神经网络的SAR图像变化检测[D];西安电子科技大学;2017年
7 孙玉康;复杂目标SAR图像仿真及其应用研究[D];国防科学技术大学;2007年
8 陈沫;SAR图像军事目标识别方法研究[D];安徽大学;2013年
9 孟龙祥;结合空间信息的深度极化SAR地物分类方法[D];西安电子科技大学;2017年
10 黎兰;基于稀疏表示的SAR目标识别算法研究[D];电子科技大学;2014年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978