雷达的人工智能

应用雷达智能人工技术的应用

Synthétisez des signaux雷达倒entraîner des modèles de机器学习et de深度学习倒la分类de cibles et de formonde。

用MATLAB^®等仿真软件^®， vous pouvez:

雷达信号标签器systèmes雷达应用信号标签器
丰富les jeux de données en模拟les形成d'onde et les échos雷达d' objes avec une variété de表面équivalentes雷达
模拟签名微多普勒主天体姿态计算animés avec des corps non rigides del que des hélicoptères, des piétons et des cyclcles
Appliquer les工作流d'识别和分类à des jeux de données公共

简介à雷达工具箱

Pourquoi utiliser la itelligence artificielle pour les radar ?

Synthétisez des signaux雷达倒entraîner des modèles de Machine Learning et de Deep Learning pour la classification decibles et de de form d'onde, et appliquez des techniques de intelligence artificelle aux données collectées par des systèmes radar。

形式分类

Synthétisez et labellisez les形成d'onde雷达倒entraîner des réseaux de深度学习。Extrayez les caractéristiques temps-fréquence des signaux et effectuez la classification de la modulation des form d'onde en utilant des réseaux de Deep Learning。

Deep Learning pour les ingénieurs, part2: travailler avec des données synthétiques(17:42)

基于深度学习的雷达和无线通信频谱感知

利用tracés pour inquer l'évolution des valeurs dans le temps

分类雷达

Classifiez les échos radar en functional des surfaces équivalentes radar grâce à des methods de Machine Learning et de Deep Learning。L'approche de机器学习利用L 'extraction des caractéristiques avec la diffusion par ondelettes couplée à une SVM(支持向量机)。Deux方法de深度学习courantes sont l' apprentictissage par transferavec SqueezeNet et et l' employi d'un réseau de neurones récurrents LSTM(长短期记忆)。

分类，雷达，机器学习和深度学习

比较des étiquettes réelles et prédites pour la分类des gestes de la main

主要姿态分类

雷达分类à脉冲超大波段à partir d'un jeu de données publicment disponible contentant des gestes dynamiques de la main。Utilisez un réseau de neurones à convolution (CNN) à entrées multiples et sortie unique, où le modèle CNN extrait les caractéristiques de chque signal avant de les combiner pour faire une prédiction finale d’étiquette de geste。

雷达与深度学习分类

分类特征微多普勒

分类piétons等循环函数caractéristiques微多普勒分析temps-fréquence等réseau深度学习。Les mouvements des différentes parties d'un objects placé偏离雷达产品特征微多普勒qui peuvent être utilisées pour identifier l' objects。

分类des piétons et des cyclistes avec le深度学习

可视化des boîtes et des étiquettes prévues sur l'image-test

图像分类SAR

利用深度学习技术倾倒la分类de cible dans des图像SAR(合成孔径雷达)。Créez et entraînez un réseau de neurones à卷积(CNN)倒分类器les cibles SAR à partir du jeu de données MSTAR(移动和静止的采集和识别)。

简介à la分类de cibles SAR avec le深度学习

可视化des boîtes et des étiquettes prédites sur l'image-test

侦察图像SAR

Effectuez la侦察des cibles dans les图像SAR(合成孔径雷达)en utilant un réseau de neurones à卷积basé sur les régions (R-CNN)。Le réseau R-CNN提供性能détection和侦察效果辅助图像SAR de scènes étendues。

侦察自动雷达图像