A funcionalidade de pesquisa está em construção.
A funcionalidade de pesquisa está em construção.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Detection of Radar Targets Embedded in Sea Ice and Sea Clutter Using Fractals, Wavelets, and Neural Networks Detecção de alvos de radar incorporados no gelo marinho e na desordem marítima usando fractais, wavelets e redes neurais

Chih-ping LIN, Motoaki SANO, Shuji SAYAMA, Matsuo SEKINE

  • Exibições de texto completo

    0

  • Cite isto

Resumo:

Um novo algoritmo associado a pré-processadores fractais, extratores de características wavelet e classificadores neurais não supervisionados é proposto para detectar alvos de radar embutidos no gelo marinho e na desordem marítima. Utilizando as vantagens de fractais, wavelets e redes neurais, o algoritmo é adequado para aplicações automáticas e em tempo real. O pré-processador fractal pode aumentar a relação sinal-desordem (S/C) de 10 dB para imagens de radar usando erro fractal. O erro fractal facilitará a detecção de alvos de radar incorporados em ambientes de alta confusão. Extratores de recursos Wavelet com uma arquitetura de computação de alta velocidade podem extrair informações suficientes para classificar alvos de radar e interferências e melhorar a relação sinal-obstáculo. Os extratores de recursos Wavelet também podem fornecer combinações flexíveis para vetores de recursos em diferentes ambientes desordenados. O classificador neural não supervisionado possui uma arquitetura de operação paralela facilmente aplicada ao hardware, e um algoritmo de baixa carga computacional sem intervenções manuais durante a fase de aprendizagem. Modificamos o algoritmo de aprendizagem competitiva não supervisionada para ser aplicável na detecção de pequenos alvos de radar, introduzindo um fator de vizinhança de assimetria. O fator de vizinhança de assimetria pode fornecer um aprendizado protetor para evitar interferências desordenadas e melhorar os efeitos de aprendizado dos alvos do radar. Os pequenos alvos de radar em ondas milimétricas (MMW) e imagens de radar de banda X foram discriminados com sucesso pelo nosso algoritmo proposto. As características eficazes, eficientes e de alta imunidade a ruído do nosso algoritmo proposto demonstraram ser adequadas para aplicações automáticas e em tempo real.

Publicação
IEICE TRANSACTIONS on Communications Vol.E83-B No.9 pp.1916-1929
Data de publicação
2000/09/25
Publicitada
ISSN online
DOI
Tipo de Manuscrito
Special Section INVITED PAPER (Special Issue on Advances in Radar Systems)
Categoria

autores

Palavra-chave