本文是深度学习在雷达、无线通信领域应用视频的笔记,视频的链接见文末。下面是一些笔记。
目录
简介
可以进行天线和射频电路仿真,目标和环境建模,系统建模,场景建模。合成的数据还可用于深度学习的训练。
深度学习流程
- 获得数据集,如果数据集不够的话,可能还要合成数据;进行数据标注。会涉及到的APP有:Radar Waveform Analyzer(生成数据)、Signal Analyzer(分析生成的数据)、Signal Label(对数据进行自动化加标签)面临的挑战:数据的全面性,数据的质量决定着模型的质量
- 预处理:数据清洗、降噪,进行特征提取。这一步很重要,也是构建一个高性能,轻量级,有实际应用价值的模型是的关键。
- 针对特征进行训练。会涉及到的APP有:Deep Network Designer
- 部署到硬件上
这其中要涉及到问题的折中。如果背景知识不强,直接将IQ信号进行处理,但计算量大。如果背景知识很好,可以先进行预处理然后在训练。折中的办法就是先进行一些预处理,如时频分析,小波等。
连接雷达硬件
通过MATLAB的附加功能add-on连接雷达硬件采集实际数据进行模型的验证。
预处理、特征提取和标注
示例演示-采用合成数据训练模型,实采数据进行模型测试
流程
数据合成:创建多散射模型、合成微多普勒特性数据、场景创建
预处理:时频变换、尺度变换、归一化
创建卷积神经网络模型:使用Deep Network Designer APP创建
模型测试
参考资料
视频观看地址:https://www.bilibili.com/video/BV1n64y1f7tH/
课件下载地址:https://download.csdn.net/download/qq_42235129/13586146