合成孔径雷达动目标识别系统设计开题报告

(1) 背景：

目前合成孔径雷达(synthetic aperture radar)在各个国家使用的频率越来越高，这与合成孔径雷达的本身优势是密不可分的。因为合成孔径雷达可以对目标或者一片区域，进行全天候、全天时的监测。因此合成孔径雷达在各个领域都有非常广泛的应用。但是合成孔径雷达在监测时所获取的图像一直都存在噪点，这为人们的观感和对图像的分析产生了困难。同时也为人们设计一个可以对目标识别分类的系统，提供了研究方向。而系统质量的关键在于对目标识别分类的准确率，因此如何提高识别分类的准确率是该系统的研究重点。通常图像分类分为两个阶段，先对图片的特征进行提取，在根据这些特征进行分类。但这类系统的准确性主要依赖于特征分类的质量。因此，大多数的研究是都针对于开发出新的特征提取技术，以提高系统识别分类的准确度。近年来人工智能领域飞速发展，机器学习、深度学习、强化学习也在不断进步，随着卷积神经网络(cnn)以及更深层卷积神经网络的出现。传统的两阶段分类方法已经能够进行特征提取和分类，可以由单一卷积神经网络的神经单元所取代。卷积神经网络已经成功地应用于一些计算机视觉任务，如图像去噪、物体检测和分类、大量标记数据集等。特别是imagenet数据集和高计算量gpu的出现，推动了更深层次卷积神经网络架构的发展，使得图像分类和图像分割变得更加精确，也使得合成孔径雷达动目标识别系统对目标识别分类的准确率大幅提高。同时在这些背景的推动下，合成孔径雷达动目标识别系统能得到广泛应用，也为此次合成孔径雷达动目标识别系统的实现提供了理论和实践支持。

(2) 目的及意义

2. 研究内容和预期目标

(1) 研究内容

1.学习sar的基本原理。

2.学习python语言。

3. 研究的方法与步骤

(1)对课题进行分析以及列出所需要实现的功能；

(2)对合成孔径雷达图像理论进行学习和研究；

(3)对系统所需深度学习卷积神经网络理论部分进行学习与掌握

4. 参考文献