使用無線電波來檢測和遵循物體的雷達系統在現代保護，航空和監督中起著至關重要的作用，但是它們的有效性通常受到環境混亂的挑戰，這意味著會干擾雷達發現的建築物，樹木或地形的不必要的信號。由CAI WEN教授領導的西北大學和中國無線電無線電技術研究所的一組研究人員開發了一種創新的方法來改善雷達運動的故意發現。他們的研究發表在同齡人修訂的遙感期刊上，提出了一個新的發現網絡，該網絡使用一種學習方法的幫助，該方法在新情況下很快適合，並提高了集中註意力以改善檢測。
由於強烈和異質的崩潰，傳統的雷達系統在復雜環境中發現移動目標的努力，這是來自非意義上的對象的反思，這些物體使確定當前的移動目標變得更加困難。這使得很難區分弱信號和背景噪聲。為了解決這個問題，研究團隊提出了一個發現網絡，該網絡首先使用模擬雷達數據進行離線培訓，從而減少了對廣泛的互聯網培訓的需求。然後使用少量的實際時間數據，這意味著直接，不斷更新的信息，然後用於調整網絡，以確保對現實世界條件的適應性。 Wen教授解釋說：“使用小樣品的教訓可以使系統能夠迅速適應新的混亂環境，同時保持高檢測精度。”
這項研究中的一種主要創新是集成了注意機制，該方法有助於專注於雷達信號的最重要部分，以改善特定雷達數據字段中的檢測，從而有助於分析運動模型。這種機制有助於網絡確定基本特徵的優勢，從而提高其區分運動中的目標和背景混亂的能力。研究團隊進行了廣泛的模擬以證明其訪問權限，表明注意力機制顯著增加了雜物的抑製作用，這是一種減少不需要信號干擾的技術，即使在目標信號與背景噪聲相比非常弱的情況下也是如此。溫教授說：“我們的模擬表明，注意機制提高了分類的準確性，系統能夠正確識別目標的能力，從而使系統甚至在具有挑戰性的情況下甚至可以更有效地發現目標。”
與常規方法相比，提出的網絡達到的降低了所需的處理能力量，即信息能夠快速處理大量數據的信息，同時保持強大的檢測性能。太空中的傳統自適應空間處理技術需要大量獨立的培訓樣本，這些樣本通常在多樣化和無法預測的環境中不可用。新方法減少了對這些樣本的信心，進行了真實的時間發現，即立即識別移動目標的能力，而沒有更多可行的空氣雷達和空間系統的延遲。
這項研究的發現為更有效，更可靠的雷達檢測系統鋪平了道路，並可能應用於保護，航空和遠處感覺。通過將小樣本轉移的教學與註意機制相結合，這種方法為現有檢測方法提供了有力的替代方法。未來的研究可以集中於進一步優化現實世界環境的網絡，並將其技能擴展到各種雷達平台。
日記
Zhu J.，Wen C.，Want C.，Wang W.，Yang X。 “根據學習機制和轉移小樣本的注意，發現雷達運動的目標。”遙感，2024年； 16：4325。 doi：
作者周圍
凱恩教授 他於2009年7月獲得Xidian大學電子工程學院的學士學位，並於2014年12月在Xidian University的Keyela National Laborator中獲得了工程博士學位。加拿大麥克馬斯特大學。自2016年11月以來，他一直是西北大學信息科學技術學院的助理教授，並於2019年晉升為副教授。
它領導了10多個國家和省級項目，包括國家自然科學基金會以及一些工業項目。他還參加了許多研究項目，例如國家研究前計劃，國家基礎研究計劃（計劃973）和國家研究與國家發展計劃。他在國際學術期刊和會議上發表了80多封信SCCI/EI，包括IEEE TSP，IEEE TAES和IEEE TGRS。在這些出版物中，ESI引用了五幅作品，其中三本是IEEE交易的熱信件。他授權了三本學術專著，並擁有10項授權的發明專利。
Cai Wen教授曾在幾次著名的國際會議上擔任過會議主席和TPC成員，並擔任眾多國家項目的審稿人和領導者。他目前是航空和宇航海事和現代雷達大學的編輯委員會成員。他還是中國電子研究所和中國雷達產業協會的高級成員。他是西北大學的“國際國際國際國際國際交流計劃”和“新學術人才支持計劃”的接受者。它的研究興趣集中在雷達信號的處理，感覺綜合和通信（ISOC）和人工智能（AI）上。
