雷達(dá)作為一種通過(guò)電磁波探測(cè)物體的電子設(shè)備，能夠有效提取物體距雷達(dá)的距離、物體徑向運(yùn)動(dòng)速度等信息，從而滿足軍事以及社會(huì)科學(xué)等方面的需求。此外，近些年，深度學(xué)習(xí)成為各個(gè)領(lǐng)域的研究熱點(diǎn)。在雷達(dá)領(lǐng)域，同樣可通過(guò)深度學(xué)習(xí)算法實(shí)現(xiàn)信息處理。與傳統(tǒng)方法相比，深度學(xué)習(xí)算法具有自動(dòng)提取深層特征、獲取較高準(zhǔn)確率等優(yōu)勢(shì)。

北京航空航天大學(xué)王俊教授的團(tuán)隊(duì)對(duì)近期深度學(xué)習(xí)算法在雷達(dá)信號(hào)處理中的典型應(yīng)用及研究進(jìn)行總結(jié)，并且凝練了在該領(lǐng)域中亟待解決的部分問(wèn)題。

該工作已發(fā)表在《雷達(dá)學(xué)報(bào)》2018年第4期 “深度學(xué)習(xí)在雷達(dá)中的研究綜述”（王俊，鄭彤，雷鵬，魏少明）。

圖1 文獻(xiàn)綜述介紹流程

該文對(duì)深度學(xué)習(xí)在雷達(dá)中的已有研究進(jìn)行了總結(jié)。其主要通過(guò)對(duì)不同雷達(dá)信號(hào)的類(lèi)型進(jìn)行劃分，分別歸納深度學(xué)習(xí)在相應(yīng)場(chǎng)景下的研究情況（圖1）。首先，對(duì)典型的深度學(xué)習(xí)網(wǎng)絡(luò)的基本原理進(jìn)行介紹，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）、自編碼器以及深度置信網(wǎng)絡(luò)。進(jìn)而，根據(jù)雷達(dá)信號(hào)形式的不同，依次總結(jié)基于深度學(xué)習(xí)的合成孔徑雷達(dá)圖像（SAR）、高分辨距離像、微多普勒譜圖以及距離多普勒譜圖的處理方法。該研究中所涉及的大部分方法均用來(lái)實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)與識(shí)別。其中，由于SAR的特點(diǎn)，即具有全天時(shí)、全天候觀測(cè)，以及穿透云霧、植被等覆蓋物的能力，擁有多極化、多頻段的信息等，所以，大部分目標(biāo)檢測(cè)識(shí)別研究基于SAR圖像展開(kāi)。此外，鑒于CNN（圖2）在圖像處理中具有明顯優(yōu)勢(shì)，因此，基于CNN的SAR圖像處理研究尤為豐富。最后，本文討論了近階段深度學(xué)習(xí)研究面臨的挑戰(zhàn)。其中，當(dāng)測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)有一定差異，而測(cè)試誤差明顯高于訓(xùn)練誤差時(shí)，即說(shuō)明網(wǎng)絡(luò)泛化能力較差，出現(xiàn)過(guò)擬合現(xiàn)象。為了保證網(wǎng)絡(luò)性能的穩(wěn)定，如何避免過(guò)擬合成為重要的研究方向。此外，由于一般網(wǎng)絡(luò)參數(shù)設(shè)置具有“黑箱”特點(diǎn)，為了避免網(wǎng)絡(luò)設(shè)置的盲目性，提升網(wǎng)絡(luò)可解譯性也成為該領(lǐng)域研究的必然趨勢(shì)。

圖2 CNN示意圖

本課題組也進(jìn)行了一系列基于深度學(xué)習(xí)的雷達(dá)信號(hào)處理研究工作。其中，為了去除SAR圖像中固有斑點(diǎn)噪聲對(duì)目標(biāo)識(shí)別效果的影響，提出一種雙級(jí)耦合CNN架構(gòu)（圖3）。首先，在第一級(jí)對(duì)含有斑點(diǎn)噪聲的SAR圖像進(jìn)行基于CNN的去噪處理。進(jìn)而，在第二級(jí)將殘留的斑點(diǎn)噪聲作為有用信息，協(xié)助目標(biāo)的特征提取，即通過(guò)對(duì)去噪后圖像進(jìn)行目標(biāo)分類(lèi)處理，得到識(shí)別結(jié)果。此外，本課題組開(kāi)展了基于MSTAR數(shù)據(jù)集的一系列實(shí)驗(yàn)，說(shuō)明所提出的方法能夠適應(yīng)帶有不同強(qiáng)度的SAR圖像的識(shí)別問(wèn)題，提升了目標(biāo)識(shí)別的魯棒性。

圖3 雙級(jí)耦合CNN架構(gòu)