导图社区 波形遴选
在读博士,顶尖高校A 学科专业,研究方向为雷达信号处理-波形设计。对导弹预警电子战太空站极为感兴趣,并定期分享学习收获以及世界最新科技研究成果报告总结,多多关注哦~
这是一篇关于圣经人物关系的思维导图,全网最详细,圣经包含众多人物,他们之间的关系错综复杂。人物图谱能够清晰地展示不同人物之间的血缘、婚姻、师徒等关系,帮助学者和研究人员更好地理解圣经故事的背景和发展脉络。
GPT优势,本图整理了69个,快来看: 1. 能够自动生成自然语言的连贯句子和段落 2. 具有超大的知识库,可以回答各种问题 3. 可以生成文章、新闻、故事和诗歌等文本 4. 可以理解和使用多种语言 5. 能够进行语义分析和语言情感分析 6. 具有可定制的模型参数和预训练数据集 7. 具有高度可扩展性和可定制性 8. 具有超快的推理和响应时间
GPT详细解说: 1.发展阶段 2. 都能做些什么 3. 未来的发展方向? 4. 什么是多模态? 5. 在那些领域可以发挥作用? 6. 有什么产品模式? 7. 类似的AI机器人有哪些?
社区模板帮助中心,点此进入>>
安全教育的重要性
个人日常活动安排思维导图
西游记主要人物性格分析
17种头脑风暴法
如何令自己更快乐
头脑风暴法四个原则
思维导图
第二职业规划书
记一篇有颜又有料的笔记-by babe
伯赞学习技巧
波形遴选
1. 概念
和认知雷达相关
对系统未知目标进行探测
先探测有无目标
探测到目标之后,根据任务来对各个节点分配波形
2. 节点
在一片区域进行布阵,对所有的节点采用【稀布阵】
每个节点包含很多阵元
有16个、64个、256个等等,主要是4的指数倍
节点内的阵元采用相控阵的方式排列
阵元间距为半波长
节点的作用
在选择相同阵元数的情况下,节点数目应尽量少
为了减少成本,降低功耗等
节点之间具有差异性
阵元个数的差异
功率的差异
等等
每个节点都需要对功率进行约束
也相当于对阵元的个数进行约束
比如每个阵元功率max=5w,共16个阵元
该节点总功率max=80w
80w以下可控
3. 波形
波形库
针对不同任务来选择不同波形
跟踪
探测
以优化为主,不用什么算法
测速
成像
不同任务需求波形不同
参数表
通过对参数的设计来选择波形
时宽
带宽
调制方式
中心频率
构建数学模型来配置波形
配置到节点中
做波形选择与节点有没有关系?
浅显来说是没有什么关系的,因为节点和波形对于定位精度的目标函数不一样
一般是将波形和节点分开考虑的
节点
波形
各自的影响不同
不同的波形的采样点数不同也会带来一定影响
会导致数据的输出维度不同,并非定维
并且不同的采样点数之间可能会差多个数量级
4. 算法
强化学习
以目标定位误差为判断准则
目的:提高目标精度
目标运动状态对精度也有影响
方法:成本系数(权重)
对不同节点添加不同的权重
损失函数
计算空间增益
设置奖励函数
缺点:损失函数需要遍历,遍历时间很长
最好是单调函数(有马尔科夫性),可以将最终变量归结为几个参数 比如将节点选择的优劣归结为【波束宽度】【主副瓣比】等
优化和算法的区别
算法是无监督状态
优化是有监督状态
认知动态系统
复数卷积是一个值得探索的领域
图像
声音
可能只需要实部
通信
导航
雷达
实部+虚部=复数
神经网络就无法识别复数
5. 图像
有两种数据处理方式
一维距离向识别
小波变换方法
喷气式飞机
螺旋桨式飞机
桨叶很难处理
RCS、回波等均不同
ISAR识别
通过非常多的反射的目标点的特性进行成像