物理辅助深度学习用于FMCW雷达二维目标定量成像
摘要：雷达成像在遥感中至关重要，并在检测和自动驾驶等许多应用中都有广泛的应用。然而，用于成像的接收到的雷达信号庞大且冗余，这降低了实时雷达定量成像的速度，并导致下行应用中的障碍。本文提出了一种基于物理辅助的深度学习方法，用于具有压缩感知（CS）优势的雷达定量成像。具体来说，将只使用四个天线和部分频率分量的频率调制连续波（FMCW）雷达成像的信号模型以矩阵乘法形式进行建模。提出了学习的快速迭代收缩阈值算法与残差神经网络（L-FISTA-ResNet）用于解决定量成像问题。L-FISTA被改进为确保基本解，ResNet则用于增强图像质量。仿真结果表明，我们提出的方法比传统优化方法和纯神经网络具有更高的重建准确性。所提出的策略的有效性和泛化性能在未见目标成像、降噪和频率迁移任务中得到了验证。
作者：Zhuoyang Liu, Huilin Xu, Feng Xu
论文ID：2307.02119
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-07-06