神经网络在GRAPPA算法中的应用

将神经网络引入到传统GRAPPA算法中,通过神经网络来训练GRAPPA权重系数,然后再利用欠采样数据进行重建。实验结果表明,将神经网络引入到GRAPPA算法中,可以重建出质量较好的图像。     

基于两步法的海上目标智能检测方法

传统的恒虚警(CFAR)检测器虽然在多数目标场景中具有不错的检测效果,但在强杂波背景下其检测性能会下降。基于深度学习的雷达目标检测方法可以提取深度特征用于目标检测,然而深度学习算法耗时长,很难应用于实际场景。针对上述问题,文中提出了一种基于深度神经网络的两步检测法实现海杂波背景下的目标检测。首先将雷达回波的距离-多普勒图以窗口滑动的方式截取小尺寸样本,通过全连接层网络(FCNN)进行初步检测,然后在检测区域截取更大尺寸的样本用以深度特征提取,通过多层卷积神经网络(CNN)区分目标与杂波,得到最终的检测结果。实验结果表明,与传统CFAR检测器和基于CNN的一步检测方法相比,文中所提方法保持较高检测概率的同时,能有效提升检测效率。