文献

J-GLOBAL ID：202202281585342455   整理番号：22A0977143

モデル駆動深層ネットワークによるスパース開口による微小運動を示すターゲットのISARイメージング【JST・京大機械翻訳】

ISAR Imaging of Target Exhibiting Micro-Motion With Sparse Aperture via Model-Driven Deep Network

著者 (6件)： Mai Yanbo (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Zhang Shuanghui (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Jiang Weidong (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Zhang Chi (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Liu Yongxiang (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China) ,  Li Xiang (College of Electronic Science and Technology, National University of Defense Technology, Changsha, China)
資料名： IEEE Transactions on Geoscience and Remote Sensing  (IEEE Transactions on Geoscience and Remote Sensing)
巻： 60  ページ： ROMBUNNO.5110212.1-12  発行年： 2022年 
JST資料番号： H0016B  ISSN： 0196-2892  CODEN： IGRSD2  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： 本研究では,逆合成開口レーダ(ISAR)がスパース開口を有する微小運動を示すターゲットのデフォーカス画像を生成する問題を解決するために,乗算器(L-ADMM)の線形交互方向法に基づくモデル駆動深層ネットワークを提案した。ネットワークでは,L-ADMMの操作プロセスをモデル駆動型深層ネットワークに非折畳みし,パラメータを手動で調整する代わりに学習を通してネットワークのパラメータを自動的に最適化し,画像をより良く取得できる。シミュレーションと実験測定を通して取得したデータの分析を使用して,L-ADMM-ネットによって得た撮像の結果を,範囲ドップラー(R-D)アルゴリズム,チャープレットアルゴリズム,およびL-ADMMのものと比較した。L-ADMMネットによって得た画像のエントロピーは最低であり,それらの画像コントラストと分解能は最も高かった。さらに,L-ADMMネットは,低信号対雑音比(SNR)でスパース開口を有する微小運動を示すターゲットの高解像度画像を生成することができ,そのロバスト性を検証した。また,それは,L-ADMMより安定的にパラメータを更新し,調整することができた。提案方法は,伝統的方法と比較して,種々の状況におけるマイクロモーションを示すターゲットの画像の分解能,ロバスト性,および安定性を著しく改善し,将来のターゲット認識のための技術的サポートを提供できる。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： SN比 ,  アルゴリズム ,  エントロピー ,  最適化 ,  *ネットワーク ,  乗算器 ,  *画像処理 ,  撮像 ,  物体認識 ,  *モデル ,  パラメータ ,  ロバスト性 ,  チャープ
準シソーラス用語： デフォーカス ,  画像コントラスト , 【Automatic Indexing@JST】

分類 (3件)： 数値計算  (JE02000J) ,  計算機網  (JC03000K) ,  通信網  (ND07030A)

タイトルに関連する用語 (7件)： モデル ,  深層 ,  微小 ,  運動 ,  ターゲット ,  ISAR ,  イメージング