1 国防科技大学电子科学学院, 湖南长沙 410073
2 怀化学院电气与信息工程学院, 湖南怀化 418008
深度学习(DL)在语音识别、图像物体识别上取得了卓越的成效, 深度学习代替传统处理技术, 成为了研究该领域的主要处理方法。在雷达领域, 深度学习用于雷达目标识别和分类, 也取得了很好的效果, 进而, 人们试图将深度学习用于雷达成像。本文根据近几年所公开的文献资料, 按照雷达成像的特点, 分类介绍深度学习用于雷达成像的研究进展; 之后, 对深度学习用于雷达成像的可行性、样本选取、泛化以及成像质量的评价等开放性问题提出了作者的设想, 并对深度学习用于雷达成像进行了展望。
深度学习 雷达成像 可行性 样本 泛化 Deep Learning radar imaging feasibility samples generalization 太赫兹科学与电子信息学报
2023, 21(9): 1086
红外与激光工程
2021, 50(12): 20210790
国防科学技术大学 电子科学与工程学院, 湖南 长沙 410073
太赫兹孔径编码成像借鉴了光学孔径编码成像和微波关联成像的基本原理, 通过反射式天线等技术改变目标区域太赫兹波等效空间幅相分布来实现高分辨成像, 具有高帧率、高分辨、前视凝视等诸多优势, 是太赫兹雷达的重要发展趋势之一.介绍了太赫兹孔径编码成像提出的背景, 系统阐述了其原理、现状、实现方式、关键问题, 指出了其在末制导、安检反恐等领域广阔的应用前景, 以期为推动太赫兹孔径编码成像和新体制太赫兹雷达研究提供一定的借鉴.
太赫兹雷达 成像 孔径编码 成像雷达先进扫描技术 imaging coded aperture advanced scanning technology for imaging radars (A
集成成像较小的再现深度一直都限制着集成成像的发展和应用，针对此问题提出了一种增大集成成像再现深度的方法。该方法在微透镜阵列与显示屏之间附加一个光孔阵列，利用光孔阵列限制显示屏上像素发出光线的发散角，从而有效地增大集成成像的再现深度。对集成成像的再现原理进行了深入分析，讨论了光孔直径与集成成像再现深度的关系。采用ASAP光学模拟软件对所提方法和传统方法进行了模拟对比实验，实验结果显示当光孔直径占透镜元节距的64%时，所提方法的再现深度是传统集成成像再现深度的1.5倍，实验结果验证了理论推导的正确性。
成像系统 再现深度 光孔阵列 微透镜阵列 三维显示
