雷达学报

作者：陈一凡, 刘剑刚, 贾勇, 郭世盛, 崔国龙

单位：1.成都理工大学 成都 610059；2.电子科技大学长三角研究院(衢州) 衢州 324000；3.电子科技大学信息与通信工程学院 成都 611731；

关键词：迁移学习, 生成对抗网络, 域自适应, 穿墙雷达, 高分辨成像

基金：四川省科技厅计划项目(2022YFS0531)，国家自然科学基金(62001091), 衢州市政府资助项目(2022D008, 2022D005)

针对带标注实测样本受限情况下的遮蔽多目标高分辨成像问题，提出一种基于迁移学习的穿墙雷达成像方法。首先，搭建生成对抗子网络实现带标签仿真数据到实测数据的迁移，解决带标签数据制作困难的问题；然后，联合使用注意力机制、自适应残差块及多尺度判别器提高图像迁移质量，引入结构一致性损失函数减小图像间的感知差异；最后，利用带标签数据训练穿墙雷达目标成像子网络，实现穿墙雷达多目标高分辨成像。实验结果表明，所提方法能有效缩小仿真图像和实测图像域间差异，实现穿墙雷达带标签伪实测图像生成，系统性解决了穿墙雷达遮蔽目标成像面临的旁/栅瓣鬼影干扰、目标图像散焦、多目标互扰等问题，在单、双和三目标场景下成像准确率分别达到98.24%, 90.97%和55.17%，相比于传统CycleGAN方法，所提方法成像准确率分别提升了2.29%, 40.28%和15.51%。

来源：2024年第4期

《雷达学报》期刊编辑部

查看雷达学报杂志2024年第4期