隨著對(duì)航空科技水平需求的不斷提升,人工智能技術(shù)為該領(lǐng)域突破發(fā)展提供了可能。其中,深度學(xué)習(xí)作為一種人工智能的技術(shù)方法,在諸多方面展現(xiàn)出巨大的優(yōu)勢而受到廣泛研究和關(guān)注。針對(duì)雷達(dá)目標(biāo)檢測而言,深度學(xué)習(xí)方法是以數(shù)據(jù)驅(qū)動(dòng)的方式,建立端對(duì)端網(wǎng)絡(luò),避免人工提取特征表達(dá)力不足,實(shí)現(xiàn)優(yōu)越檢測的性能,因此在雷達(dá)領(lǐng)域受到越來越多的關(guān)注和研究。本文首先介紹了雷達(dá)目標(biāo)檢測領(lǐng)域相關(guān)知識(shí),指出傳統(tǒng)檢測方法的局限性;然后對(duì)目前深度神經(jīng)網(wǎng)絡(luò)檢測經(jīng)典方法進(jìn)行了分析和歸納,重點(diǎn)介紹了深度神經(jīng)網(wǎng)絡(luò)在雷達(dá)目標(biāo)檢測中的研究現(xiàn)狀;最后對(duì)深度學(xué)習(xí)在雷達(dá)目標(biāo)檢測領(lǐng)域應(yīng)用中存在的技術(shù)挑戰(zhàn)進(jìn)行了分析,并就未來相關(guān)技術(shù)的發(fā)展趨勢進(jìn)行了展望。

【文章頁數(shù)】：9 頁

【文章目錄】：
1 目標(biāo)檢測現(xiàn)狀
    1.1 傳統(tǒng)雷達(dá)目標(biāo)檢測方法
    1.2 基于深度學(xué)習(xí)的目標(biāo)檢測方法
        1.2.1 CNN檢測模型
        1.2.2 AE檢測模型
2 基于深度學(xué)習(xí)的雷達(dá)檢測應(yīng)用
    2.1 雷達(dá)時(shí)域-頻域（R-D）上的檢測
    2.2 SAR檢測技術(shù)
    2.3 雷達(dá)一維序列上檢測
3 面臨挑戰(zhàn)和發(fā)展展望
    (1）雷達(dá)數(shù)據(jù)自動(dòng)標(biāo)注
    (2）小樣本條件下的穩(wěn)健檢測
    (3）復(fù)雜作戰(zhàn)環(huán)境下目標(biāo)檢測
    (4）面向深度學(xué)習(xí)的雷達(dá)處理軟硬件架構(gòu)實(shí)現(xiàn)
4 結(jié)束語



本文編號(hào)：3811162