修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

5 条数据
?? 中文（中国） ▾

  • [IEEE 2018年第15届欧洲雷达会议(EuRAD) - 西班牙马德里(2018年9月26日-28日)] 2018年第15届欧洲雷达会议(EuRAD) - 基于深度学习的微多普勒特征提取分割方法

    摘要： 我们提出一种利用深度卷积神经网络提取微多普勒特征的方法，该网络通过学习从背景中识别并分离相关微多普勒成分。经过端到端训练的改进型卷积神经网络（全卷积网络）能根据输入的微多普勒特征进行密集预测，在输出端生成像素级标注图谱。该网络可学习由单个散射体产生的微多普勒路径特征模式中间表示，并能在时频图中识别定位这些路径?；诜抡婊肪逞盗返哪Ｐ图词乖谠肷肪持幸舱瓜殖鲇乓煨阅苤副?，而24GHz连续波雷达的实验结果表明该模型适用于真实场景。此外，当多个成分在时频图中叠加时，该方法能良好适配更复杂的特征图谱，这表明该概念可能为解析复杂微多普勒特征提供有效途径。

    关键词： 分割、微多普勒特征、深度学习

    更新于2025-09-23 15:21:21

  • [2019年IEEE第46届光伏专家会议（PVSC）- 美国伊利诺伊州芝加哥（2019.6.16-2019.6.21）] 2019年IEEE第46届光伏专家会议（PVSC）- 一步共蒸发超薄Cu(In,Ga)Se?太阳能电池的室温光致发光研究

    摘要： 本文研究了利用多普勒雷达测量的微多普勒特征结合深度卷积神经网络（DCNN）识别人类手势的可行性?；诶状锏氖质剖侗鹂捎τ糜诘缙骺刂?。与光学识别系统相比，雷达不受光照条件限制且便于嵌入式安装。我们仅通过频谱图中的微多普勒特征（不含距离信息）对十种不同手势进行分类，这些手势包括：从左向右滑动、从右向左滑动、顺时针旋转、逆时针旋转、推按、双次推按、握持和双次握持。通过多普勒雷达测量这些手势并分析其频谱图后，采用DCNN对频谱图进行分类——其中90%数据用于训练，剩余10%用于验证。经五折交叉验证，该方法分类准确率达85.6%；当仅识别七种手势时，准确率提升至93.1%。

    关键词： 多普勒雷达、微多普勒特征、手势动作、深度卷积神经网络

    更新于2025-09-23 15:19:57

  • 近距离目标的耦合微多普勒特征

    摘要： 经典多普勒频移源于目标质心的运动，但无法反映散射体内部动力学信息。相比之下，微多普勒特征包含目标内部自由度（如旋转和振动）产生的微观运动数据，通过细致分析散射场可实现远程探测。本研究从理论与实验双重视角，探究近距离目标耦合对微多普勒特征的影响。所建模型采用具有动态可重构散射特性的近场耦合谐振器对，通过电压控制变容二极管独立调制各目标的散射截面以模拟旋转自由度，从而观测到由近场相互作用产生的含特定频率成分的耦合微多普勒梳状谱，使得通过远场测量提取系统内部几何信息成为可能。实际应用中，微多普勒光谱技术可实现远距离目标分类；而深入理解低频段耦合效应对此类特征的影响，将为雷达与声纳系统、光学及恒星射电干涉测量等诸多领域提供重要参考。

    关键词： 声纳、耦合谐振器、恒星射电干涉测量、微多普勒特征、雷达、光学干涉测量

    更新于2025-09-16 10:30:52

  • [IEEE 2018年第11届英欧中毫米波与太赫兹技术研讨会(UCMMT) - 中国杭州 (2018.9.5-2018.9.7)] 2018年第11届英欧中毫米波与太赫兹技术研讨会(UCMMT) - 基于全介质超表面的2×2微带天线阵列雷达散射截面减缩研究

    摘要： 本文研究了利用多普勒雷达测量的微多普勒特征结合深度卷积神经网络（DCNN）进行人手势识别的可行性?；诶状锏氖质剖侗鹂捎τ糜诘缙骺刂疲啾裙庋侗鹣低?，雷达不受光照条件限制且便于嵌入式安装。我们仅通过频谱图中的微多普勒特征（不含距离信息）对十种手势进行分类，这些手势包括左右滑动、顺逆时针旋转、推按、双击推按、握持及双握持动作。通过多普勒雷达采集手势频谱图后，采用DCNN进行分类——其中90%数据用于训练，10%用于验证。经五折交叉验证，该方法分类准确率达85.6%；当手势类别缩减至七种时，准确率提升至93.1%。

    关键词： 多普勒雷达、微多普勒特征、手势动作、深度卷积神经网络

    更新于2025-09-16 10:30:52

  • 利用高分辨率时频变换提取无人机的微多普勒特征

    摘要： 由于监控和安全需求，对无人机探测与追踪的需求日益增长。雷达是该领域颇具前景的方法之一。利用雷达系统识别和鉴定无人机需要提取其旋转桨叶产生的独特微多普勒特征。由于桨叶转速极快，在短时傅里叶变换等常规时频联合分析中难以直观呈现清晰的微多普勒特征。本文提出采用高分辨率变换技术来可视化频谱图中的无人机微多普勒特征，所用技术包括维格纳-维尔分布、平滑伪维格纳-维尔分布以及短时多重信号分类（MUSIC）算法。特别值得注意的是，后者此前从未应用于无人机研究，我们建议采用该方法来呈现微多普勒特征的细节。我们使用连续波雷达测量了三架无人机，并通过采集的无人机数据比较了这些算法的性能?？梢怨鄄斓蕉淌盡USIC方法在识别微多普勒特征方面呈现出最清晰的频谱图。本研究可能对无人机分类领域具有实用价值。

    关键词： 微多普勒特征、Wigner-Ville分布、时频MUSIC算法、联合时频分析

    更新于2025-09-09 09:28:46