摘要
本发明提供一种基于深度学习的雷达图像降噪处理方法,属于机器学习技术领域,包括获取历史回波信号数据,基于历史回波信号数据确定历史雷达图像数据集;基于历史雷达图像数据集确定训练图像集以及测试图像集,基于训练图像集构建降噪神经网络模型;基于测试图像集评估降噪神经网络模型,并对降噪神经网络模型进行第二优化;基于优化后的降噪神经网络模型对实时雷达回波数据确定的实时雷达图像数据集进行降噪处理。可以增强模型的降噪学习能力,提升模型对复杂噪声环境的处理能力,实现对模型的逐步精细化调整形成性能闭环,实现对实时雷达数据的高精度快速处理,提高雷达图像的去噪效果,提升复杂环境下的降噪精度。
技术关键词
雷达图像数据
神经网络模型
多普勒
无噪声
雷达回波数据
信号
脉冲压缩算法
噪声特征提取
分段
空间特征提取
机器学习技术
频率
周期
像素点
矩阵
距离信息
系统为您推荐了相关专利信息
深度神经网络
信息处理方法
双向长短期记忆网络
递归神经网络模型
Word2Vec模型
相变温度点
参数
深度Q网络
钛钢复合板
神经网络模型