拉格格伦，约翰;凯文·弗洛雷斯;米哈伊尔·吉尔曼;谢苗·钦科夫 雷达图像中散射延迟检测的深度学习方法。 （英语） Zbl 1462.78010号 J.统计理论实践。 15，第1号，第14号论文，第19页（2021年）. 本工作的目的是比较基于最大似然（ML）分类器和基于卷积神经网络（CNN）分类器这两种分类方法对于不同系统和目标参数值的瞬时和延迟目标坐标延迟雷达图像的区分能力。在这项研究中，我们将成像限制在垂直于天线轨迹的平面上。本文的第二部分回顾了距离延迟雷达成像的背景，并参考了M.吉尔曼和S.Tsynkov公司【反向问题35，第8号，文章编号085005，38 p.（2019；Zbl 07089977号)]和M.吉尔曼和S.Tsynkov公司[逆概率成像14，第3期，511-533（2020；Zbl 07208031号)]. 第三部分介绍了基于最大似然的分类器（ML），第四部分介绍了卷积神经网络（CNN）方法。第五部分对这两种方法的性能进行了评估。审核人：Claudia Simionescu-Badea（维也纳） MSC公司： 78A45型 衍射、散射 78A50型 光学和电磁理论中的天线、波导 92B20型 生物研究、人工生命和相关主题中的神经网络 68单位10 图像处理的计算方法 68T05型 人工智能中的学习和自适应系统 关键词：雷达成像;分散目标;分类;卷积神经网络 引文：Zbl 07089977号;Zbl 07208031号 软件：亚当 PDF格式BibTeX公司 XML格式引用 \textit{J.Lagergren}等人，J.Stat.理论实践。15，第1号，第14号论文，第19页（2021年；Zbl 1462.78010） 全文： 内政部 参考文献： [1] 阿尔巴内塞语，RA；Medina，RL，《材料识别合成孔径雷达：实现能力的进展》，《逆向问题》，29，054001（2013）·兹比尔1292.78009 ·doi:10.1088/0266-5611/29/5/054001 [2] 艾伦，JC；Hobbs，SL，非平稳白噪声的谱估计，J Frankl Inst B，334，1，99-116（1997）·Zbl 0867.62074号 ·doi:10.1016/S0016-0032（96）00060-9 [3] Borden B（1998）基于雷达的目标分类和导管诱导图像伪影抑制的色散散射。在：北约关于使用雷达识别非合作空中目标的研讨会上。北大西洋公约组织，研究和技术组织，第14.1-14.7页 [4] 陈，VC；Ling，H.，雷达成像和信号分析的时频变换（2002），诺伍德：Artech House雷达图书馆。诺伍德阿泰克大厦·Zbl 1001.94003号 [5] M.切尼。；Borden，B.，雷达成像基础，CBMS-NSF应用数学区域会议系列（2009年），费城：SIAM，费城·Zbl 1192.78002号 [6] Cumming，IG；Wong，FH，合成孔径雷达数据的数字处理（2005），波士顿：算法与实现。波士顿Artech House [7] 费拉拉，M。；Homan，A。；Cheney，M.，高光谱SAR，IEEE Trans-Geosci遥感，55，3，1-14（2017）·doi:10.1109/TGRS.2016.2629265 [8] Gallager RG（2008）圆对称高斯随机向量。http://www.rle.mit.edu/rgallager/documents/CircSymGauss.pdf [9] Gallager，RG，《数字通信原理》（2008），剑桥：剑桥大学出版社，剑桥·Zbl 1183.94001号 ·doi:10.1017/CBO9780511813498 [10] 吉尔曼，M。；史密斯，E。；Tsynkov，S.，《跨大气层合成孔径成像》。应用和数值谐波分析（2017年），Cham:Birkhäuser/Springer，Cham·Zbl 1375.86001号 ·doi:10.1007/978-3-319-52127-5 [11] 吉尔曼，M。；Tsynkov，S.，SAR中延迟目标响应的检测，逆问题，3588505（2019）·Zbl 07089977号 ·doi:10.1088/1361-6420/ab1c80 [12] 吉尔曼，M。；Tsynkov，S.，合成孔径雷达成像中散射延迟的统计特征，逆问题成像，14，3，511-533（2020）·Zbl 07208031号 ·doi:10.3934/ipi.2020024 [13] JW古德曼；Dainty，JC，《激光散斑图案的统计特性》，激光散斑及相关现象，9-75（1984），柏林：施普林格出版社，柏林 [14] 哈斯蒂，T。；Tibshirani，R。；弗里德曼，J.，《统计学习的要素》。Springer统计系列（2009），纽约：Springer，纽约·Zbl 1273.62005年 ·doi:10.1007/978-0-387-84858-7 [15] Ioffe S，Szegedy C（2015）批量规范化：通过减少内部协变量偏移加快深层网络培训 [16] 小简历Jakowatz；德国瓦尔；Eichel，PH；基格里亚特区；宾夕法尼亚州汤普森，《聚光灯模式合成孔径雷达：信号处理方法》（1996），柏林：施普林格出版社，柏林·doi:10.1007/978-1-4613-1333-5 [17] Kingma DP，Ba J（2014）Adam：一种随机优化方法 [18] 奥利弗，C。；Quegan，S.，《理解合成孔径雷达图像》（1998），波士顿：Artech House遥感图书馆。波士顿Artech House [19] 北斯利瓦斯塔瓦。；辛顿，G。；Krizhevsky，A。；Sutskever，I。；Salakhutdinov，R.，《辍学：防止神经网络过度拟合的简单方法》，J Mach Learn Res，15，56，1929-1958（2014）·Zbl 1318.68153号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。