文献

J-GLOBAL ID：202202234815333267   整理番号：22A0913831

ディーププライアを用いたロバストな圧縮テラヘルツ符号化開口イメージング【JST・京大機械翻訳】

Robust Compressive Terahertz Coded Aperture Imaging Using Deep Priors

著者 (4件)： Gan Fengjiao (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Luo Chenggao (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Wang Hongqiang (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Deng Bin (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.3511205.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： テラヘルツ符号化開口イメージング(TCAI)は,相対運動に頼ることなく,前方監視イメージングを達成するために,符号化開口アンテナを利用する有望なレーダイメージング技術である。ターゲット散乱係数を解くために,1つの典型的アプローチは,画像ドメインにおける一般的スパース性事前制約を課すことである。方法はTCAIにおいて著しい進歩を遂げたが,圧縮測定の下で異なるスパース性を有するターゲットの高分解能再構成を達成することは,まだ挑戦的であり,それはまた,貧弱なノイズ抵抗性能によって制限される。これらの問題に取り組むために,著者らは,発電機によって捕捉された深い事前を用いた新しい画像方式を提案した。本レターでは,まずコヒーレント検出アレイに基づくシステムを分析し,モデル化して,発電機の範囲としてターゲットをモデル化することによって,TCAIのための深い事前ベースモデルを提案した。次に,深層交互最小化(Deep-AM)アルゴリズムを設計して,交互方式でターゲット空間と潜在変数空間の投影によってモデルを解いた。最後に,シミュレーション結果は圧縮測定の下で提案した方法のロバスト性と有効性を実証した。また,システムの取得と符号化時間は,アレイ受信と深い事前情報を利用することによって大いに減少した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  アンテナ ,  コヒーレンス ,  シミュレーション ,  受信 ,  *画像処理 ,  モデリング ,  モデル ,  性質 ,  相対運動 ,  高分解能 ,  *ロバスト性 ,  *テラヘルツ波
準シソーラス用語： 事前知識 ,  スパース性 ,  レーダーイメージング , 【Automatic Indexing@JST】

分類 (2件)： 信号理論  (ND02020G) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： ロバスト ,  テラヘルツ ,  符号化開口 ,  イメージング