雷达人工智能

模拟雷达信号，训练机器和深度学习模型，用于目标和信号分类。

用MATLAB^®和仿真软件^®，你可以:

什么是雷达工具箱?

为什么在雷达上使用AI ?

综合和标记雷达波形来训练深度学习网络。利用深度学习网络从信号中提取时频特征，进行波形调制分类。确定占用信号的带宽。

利用机器学习和深度学习方法对雷达回波进行分类。机器学习方法采用小波散射特征提取与支持向量机相结合的方法。两种常见的深度学习方法是使用SqueezeNet的迁移学习和长短期记忆(LSTM)循环神经网络。

从公开的动态手势数据集中对超宽带(UWB)脉冲雷达信号数据进行分类。使用多输入单输出卷积神经网络(CNN)，其中CNN模型从每个信号中提取特征信息，然后将其组合成最终的手势标签预测。

利用时频分析和深度学习网络，根据行人和自行车的微多普勒特征对其进行分类。一个物体在雷达前不同部分的运动产生微多普勒信号，可用于识别该物体。

利用深度学习技术对合成孔径雷达(SAR)图像进行目标分类。创建并训练卷积神经网络(CNN)，从运动和静止目标采集和识别(MSTAR)混合目标数据集中对SAR目标进行分类。

使用基于区域的卷积神经网络(R-CNN)对合成孔径雷达(SAR)图像进行目标识别。R-CNN网络以高效的性能集成了检测和识别，可扩展到大场景SAR图像。

SAR图像中的自动目标识别

利用深度学习分析卫星雷达图像

雷达AI实例

了解用于雷达应用的深度学习产品。2022世界杯八强谁会赢？

30天的探索，触手可及。

立即下载