基于深度学习的雷达目标检测开题报告

 2020-02-18 06:02

1. 研究目的与意义(文献综述)


雷达信号处理的首要目的就是通过对接收信号的加工,消除或降低各种各样的干扰、噪声及由这些干扰、噪声引起的不确定性,以便于提取所需要信息和提高信息的质量。雷达信号处理主要围绕对目标信号的变换、检测、跟踪、识别以及威胁判断等问题而进行,其中对目标信号的检测是雷达对目标处理的一个重要环节,同时也是雷达信号处理中的一个关键问题[1]

但是传统的雷达目标检测方法在使用恒虚警率规则进行检测时,很难保证虚警概率保持恒定,所以导致整个系统的检测性能不是很好。本文将深度学习引入了雷达目标检测中,想利用结构优化良好的卷积神经网络代替传统的恒虚警率检测器,实现对于雷达目标的高效检测。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

当今雷达工作的电磁环境越来越复杂,相关应用领域对雷达系统处理的实时

性要求越来越迫切。利用深度学习网络,实现复杂环境中雷达目标的实时有

效探测,是本毕业设计拟研究的内容。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

3月1日-3月5日制定整体的研究思路和方法;
3月6日-3月10日了解传统的雷达目标检测理论、方法和准则;
3月11日-3月15日研究CNNs的网络架构组成和原理;
3月16日-3月20日建立关于雷达目标检测的CNNs模型,确定相关的参数设置;
3月21日-3月31日对于CNNs模型进行训练;
4月1日-4月15日对于传统的CFAR检测和CNNs检测器进行仿真;
4月16日-5月12日完成毕业论文;
5月23日-6月12日完成毕业答辩PPT。

4. 参考文献(12篇以上)

[1]朱凯然. 雷达信号检测与实现[d].西安电子科技大学,2009.

[2]a.krizhevsky,i.sutskever, and g. hinton, “imagenet classification with deep convolutional neural networks,” proc. adv. neural inf. process. syst., pp.1106-1114, 2012

[3]c. wang, j. wang and x. zhang, “automatic radar waveform recognition based on time-frequency analysis and convolutional neural network,” 2017 ieee international conference on acoustics, speech and signal processing (icassp), new orleans,la, 2017, pp. 2437-2441.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。