《电子测量技术杂志》发表论文赏析

基于深度学习的无人机时频曲线重建算法

来源:电子测量技术杂志2026年第2期北京时间:

作者:孙嘉辰,庞存锁,任梓然,杨志良,安建平

单位:1.中北大学信息与通信工程学院 太原 030051;2.中北大学智能探测技术与装备山西省重点实验室 太原 030051; 3.北京理工大学网络空间安全学院 北京 100081

摘要:近年来,无人机技术在多个领域广泛应用,雷达探测因其远距离、高精度定位和快速响应优势而被广泛应用,且针对无人机的微多普勒特征研究备受关注。然而,无人机回波信号在复杂环境中易受干扰,导致时频特性畸变。传统时频分析方法在处理此类问题时存在局限性。为此,本文提出一种基于深度学习的无人机时频曲线重建算法,通过设计基于卷积神经网络的自编码器模型SelfNet,从噪声干扰和信道失真中提取有效信息,重建高质量的时频曲线。SelfNet利用编码器提取时频曲线特征,并通过解码器恢复信号结构。实验结果表明,SelfNet的PSNR均值为17.767 2,SSIM均值为0.431 7,优于GoogLeNet和ResNet等经典卷积神经网络,且通过小样本实验和迁移学习验证了其泛化能力,为复杂环境下无人机时频曲线的重建提供了一种思路。

关键词:无人机;时频分析;卷积神经网络;迁移学习;图像重建

基金资助:国防科技重点实验室基金(6142001200406)项目资助

2026年2期其他文献查阅:

改进YOLOv8n的轻量化车钥匙检测系统

基于跨模态特征融合的自闭症筛查研究

基于FPGA的高速并行时钟恢复算法设计

基于P-ROQR+Q-FRC的模块化多电平变流器环流抑制策略

基于快速终端动态滑模的三相电压型PWM整流器控制

多功能RIS辅助隐蔽通信的无人机位置优化方法

基于WOA动态复合模型的管道螺旋焊缝检测研究

融合先验掩膜与YOLOv8的FOD检测方法研究

车用动力电池组云边智控与高精度SOC估计

超材料领域的持续学习:动态数据生成与模型性能评估

融合睡眠结构与个体先验的OSA严重程度估计

信号干扰场景中无人机数据融合建模仿真

基于遗传算法与粒子群算法融合的路径规划

SGAD-YOLO:基于改进YOLO11的工作服规范穿戴检测算法

基于深度学习的无人机时频曲线重建算法

基于PIR谐波抑制的IPMSM虚拟直流信号注入MTPA控制

融合Voronoi骨架图RRT算法的防疫机器人路径规划

基于KDB-RRT算法的智能体路径规划

基于YOLOv8改进的无人机航拍路面损伤检测算法

基于改进RT-DETR的遥感图像目标检测算法

基于视觉联合检测的球团矿粒径检测方法

基于动态三元注意力网络的火星地表图像分割

ArgusFusion:基于MLP的轻量化高效的氩花分割网络

基于改进RT-DETR的转向节表面缺陷检测算法

我国太赫兹科技人才发展现状、挑战与创新路径

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!