仿真señales雷达对日模型机器学习深度学习对分类目标señales。
MATLAB监狱®y仿真软件®,您可以:
- 礼仪señales recopiladas de sistemas de radar con la app信号标签器
- 雷达同步数据和雷达横向数据的同步数据和雷达横向目标的综合
- 类似firmas de微多普勒de gestos de la mano y对象animados con cuerpos no rígidos，故事como helicópteros，泥炭和蝉
- 一段话identificación y clasificación一段话públicos
¿Por qué utilzar Inteligencia人工para雷达?
sintitice señales雷达对日影模型机器学习深度学习雷达对日影模型clasificación雷达对物象模型señales，人工智能雷达系统数据。
Clasificación de formas de onda
深度学习的雷达对中心礼仪形式。Extraiga características de tiemo - freuencia de las señales y realice clasificación de modulación de formas de onda con redes de Deep Learning。
Clasificación雷达目标
雷达分类反驳función机器学习和深度学习的雷达对比和横向分类。El enfoque de机器学习利用la extracción de características de dispersión de小波junto con una máquina de向量de soporte。深度学习的大脑皮层记忆递归(LSTM)。
Clasificación de gestos de la mano
分类数据señales超ancha雷达脉冲(UWB)与雷达数据连接程序dinámicos，管理程序público。利用红神经元卷积(CNN) de entrada múltiple y salida única donde el modelo de CNN extre información de las características cada señal antes de combinarla para efectuar una predicción最后de las etiquetas de los gestos。
Clasificación de firmas de micro-Doppler
识别peatones y ciclistas en función de sus características de micro-Doppler utilzando análisis de tiemo -frecuencia y una red de Deep Learning。雷达对不同部分物体的运动产生微多普勒对不同物体的运动产生微多普勒对同一物体的运动。
Clasificación de imágenes de SAR
使用técnicas de深度学习para la clasificación de物镜de imágenes de雷达de孔径sintética (SAR)。Cree y entrene una red neural convolucional (CNN) para classification objetivos de SAR del conjunto de datos de objetivos mixtos MSTAR(移动和静止目标获取与识别)。
imágenes SAR
Efectué el conconciiento de objetivos de imágenes SAR con una红色神经元convolucional basada en la región (R-CNN)。红色的R-CNN积分detección在调整过程中发现问题的效率imágenes在思考过程中发现问题tamaño。
Uso de Inteligencia人工对雷达con MATLAB
或含
Obtenga información Deep Learning para aplicaciones de radar。
光明之路versión无报酬之路
30 días de exploración a sualance。
您也可以从以下列表中选择一个网站: