使用無線電波來檢測和跟踪對象的雷達系統在現代預防，飛行和監視中起著重要作用。但是，它們的效率通常受到環境混亂的挑戰，這意味著從諸如建築物，樹木或地面等物體中的不必要的信號挑戰，這些信號會干擾雷達檢測。西北大學的研究團隊和中國西安太空技術研究所由凱恩教授領導，開發了一種創新的方法來改善雷達的運動。他們的研究發表在遠程檢測期刊上，該雜誌已由朋友檢查，引入了一個新的檢測網絡，該網絡使用了AI-AID學習方法，該方法適應了新情況，並如何增加專注力以改善檢測。
傳統的雷達系統由於強烈和不同的共振而奮鬥，以檢測複雜環境中的運動，這反映了非目標對象，這使得很難識別實際的運動目標。這使得很難將弱信號與背景聲音區分開。為了解決這個問題，研究團隊已使用雷達數據提出了第一個離線培訓網絡，以模擬在線培訓中的必要性。少量現實意味著將使用新的改進的數據來確保對領域的現實世界的適應。 “使用小樣本轉移學習可以使系統快速適應新的凌亂環境，同時保持高度準確性。”教授解釋說。
這項研究中的重要創新是結合興趣機制，這是一種關注雷達信號最重要部分以改善特定雷達場內的檢測，以幫助分析運動。這種機制使網絡可以優先考慮重要特徵，以改善目標，運動和背景的區別。研究團隊已廣泛模擬了該情況以檢查其方法，表明感興趣的機制有助於提高意義，減少不需要的跡象的技術，即使在目標信號與背景聲音相比非常弱的情況下也是如此。 Vent教授說：“我們的模擬表明，興趣機制有助於提高系統分類的準確性，以正確識別目標，從而使系統甚至在充滿挑戰的情況下更有效地檢測目標。”
與一般方法相比，提出的網絡將有助於減少必要的處理量，這是計算必要的管理大量數據的能力，同時仍保持強大的檢測效率。該空間中的傳統調整技術需要大量獨立培訓，這些培訓通常在各種環境中不可用，無法預測。新方法降低了依賴性，這些樣品可立即識別運動目標，而不會延遲空氣雷達和空間系統，從而使這些樣本具有真實的時間檢測。
這項研究的發現為更有效和可靠的雷達檢測系統鋪平了道路，有可能防止飛行和遠程檢測。通過將有關小樣本轉移的學習與興趣機制相結合。此方法為現有檢測方法提供了強大的選擇。未來的研究可能著重於提高現實世界中實現的網絡效率，並將能力擴展到不同的雷達平台。
參考期刊
Zhu J.，Wen C.，Duan C.，Wang W.，Yang X。 “檢測雷達在學習，轉移小樣本和興趣機制的基礎上移動的雷達”，Sens，2024； 16：4325。 https://doi.org/10.3390/rs16224325
作曲家
凱恩教授 2009年7月，畢業於Xidian大學的一所電子工程學校的學士學位，並於2014年11月從2019年11月至2023年3月2016年11月從Xidian大學的國家實驗室獲得工程博士學位。
他是國家和省級項目的領導者，包括中國國家自然科學基金會和許多工業項目，包括10多個項目。他還參加了許多研究項目，例如國家研究項目，國家基礎研究項目（計劃973）和國家研發項目。他出版了SCI/EI文檔，該文檔在期刊和國際學術會議上組織了80多個指數，包括IEEE TSP，IEEE TAES和IEEE TGRS。這些非常指ESI和OSI的三個，熱門交易IEE，而三個編輯已被授權接收10多個發明。
Cai Wen教授是許多著名的國際會議和TPC成員的總裁，並擔任許多國家項目的檢查員和團隊負責人。目前，他是《航空雜誌》和《現代空間與雷達大學》編輯的成員。他還是中國電子研究所和雷達產業的高級成員。他是西北大學中國博士學位和“年輕學術技術支持項目”之後的“國際交流計劃”的接受者。他的研究對綜合雷達處理和交流（ISAC）和人工智能（AI）感興趣。
