اخبار و اعلانات
آمار
| تعداد نشریات | 38 |
| تعداد شمارهها | 1,408 |
| تعداد مقالات | 10,088 |
| تعداد مشاهده مقاله | 11,909,048 |
| تعداد دریافت فایل اصل مقاله | 6,961,204 |
اصلاح اثرات حرکت چرخشی هدف در تصویربرداری رادار روزنه مصنوعی معکوس (ISAR) مبتنی بر شبکهی Q عمیق (DQN) | ||
| رادار | ||
| مقاله 12، دوره 11، شماره 2، بهمن 1402 | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| رضا محمدی1؛ علی جبار رشیدی* 2 | ||
| 1دانشجوی دکتری ،دانشگاه صنعتی مالک اشتر ، تهران ، ایران | ||
| 2استاد ،دانشگاه صنعتی مالک اشتر ، تهران ، ایران | ||
| تاریخ دریافت: 06 مرداد 1402، تاریخ بازنگری: 18 مهر 1402، تاریخ پذیرش: 20 آبان 1402 | ||
| چکیده | ||
| جبرانسازی حرکت چرخشی (RMC) و تعیین فاصلهی پردازش همدوس (CPI) در تشکیل تصویر رادار روزنه مصنوعی معکوس (ISAR) یکی از مسائل مهم و چالشبرانگیز میباشد. زمان CPI باید به نحوی تعیین شود که اولأ از مات شدگی تصویر در اثر حرکت چرخشی هدف ممانعت نماید و ثانیأ بهدست آمدن حد تفکیک مطلوب در راستای برد-متقاطع تضمین گردد. زمان CPI به دو عامل تعداد پالسهای دریافتی و فاصلهی تکرار پالس (PRI) بستگی دارد. در این مقاله فرض شده که PRI ثابت است و مسئلهی تعیین زمان CPI بهینه در واقع مسئلهی تعیین تعداد پالسهای بهینه خواهد بود؛ حال بهمنظور تعیین تعداد پالسهای بهینه روشی نوین براساس یادگیری تقویتی عمیق و مبتنی بر شبکهی Q عمیق (DQN) پیشنهاد شدهاست تا رادار ISAR بهعنوان عامل بتواند در تعامل با هدف بهعنوان محیط بهترین تصمیم را که درواقع بروزرسانی تعداد پالسها و دستیابی به مقدار بهینه برای آن است را برگزیند. رادار ISAR هر اقدام خود را مبتنی بر پاداشی که تابعی از مقدار تُنُکی تصویر است ارزیابی میکند. نتایج بهدست آمده صحت عملکرد روش ارائه شده در این مقاله را به عنوان ایدهی جدید در تعیین تعداد پالسهای بهینه و اصلاح اثرات حرکت چرخشی هدف در تصویربرداری ISAR نشان میدهد. | ||
| کلیدواژهها | ||
| رادار روزنه مصنوعی معکوس (ISAR)؛ جبرانسازی حرکت چرخشی (RMC)؛ یادگیری تقویتی عمیق (DRL)؛ شبکهی Q عمیق (DQN) | ||
| عنوان مقاله [English] | ||
| Correction of Target Rotational Motion Effects in Inverse Synthetic Aperture Radar (ISAR) Imaging Based on Deep Q Network (DQN) | ||
| نویسندگان [English] | ||
| Reza Mohammadi1؛ Ali Jabbar Rashidi2 | ||
| 1PhD student, Malek Ashtar University of Technology, Tehran, Iran | ||
| 2Professor, Malek-Ashtar University of Technology, Tehran, Iran | ||
| چکیده [English] | ||
| Rotational Motion Compensation (RMC) and determining the Coherent Processing Interval (CPI) in Inverse Synthetic Aperture Radar (ISAR) imaging are among the critical and challenging issues. The CPI duration should be determined in such a way that, first, it prevents image blurring due to the target's rotational motion, and second, it ensures the desired resolution in the cross-range direction. The CPI duration depends on two factors: the number of received pulses and the Pulse Repetition Interval (PRI). In this paper, it is assumed that the PRI is constant, making the problem of determining the optimal CPI duration essentially a matter of determining the optimal number of pulses. To determine the optimal number of pulses, a novel method based on deep reinforcement learning and utilizing a Deep Q-Network (DQN) is proposed. In this approach, the ISAR radar, acting as an agent, interacts with the target as the environment to make the best decision, which involves updating the number of pulses and achieving its optimal value. The ISAR radar evaluates each of its actions based on a reward function that depends on the sparsity of the image. The obtained results confirm the effectiveness of the proposed method as a novel approach for determining the optimal number of pulses and correcting the effects of the target’s rotational motion in ISAR imaging. | ||
| کلیدواژهها [English] | ||
| Inverse Synthetic Aperture Radar (ISAR), Rotational Motion Compensation (RMC), Deep Reinforcement Learning (DRL), Deep Q Network (DQN) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 165 |
||