提出了一个针对强杂波下弱小目标检测的深度学习算法,设计了一个基于深度网络的杂波抑制模块。主要使用的编程语言为python,深度学习框架为tensorflow。实验结果表明,算法对信杂比的提升达到15-20dB。
针对小样本下深度网络过拟合的问题,使用轻量化的Tiny-Yolo网络,研究深度学习检测性能和训练收敛所需要的Epoch与样本容量的关系。
针对未知杂波分布情况下目标检测困难的问题,采用python语言,对杂波分布进行智能拟合。从概率分布函数和累积分布函数的拟合情况来看,算法拟合性能好,特别是对pdf的右尾估计误差较小。
鼠标悬停或点击上方资质图片,可放大右下角二维码进行扫码验真。
添加客服微信,免费为您安排与该工程师直接沟通
长按二维码添加客服微信
如该工程师当前档期不合,也可免费为您推荐相似候选人