.png){kind=icon}
返回
MAL-Net: Model-Adaptive Learned Network for Slow-Time Ambiguity Function Shaping
.png){kind=icon}
OA
AI
DOI：10.3390/rs17010173.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
设计满足恒定模约束（CMC）的波形以实现期望的慢时间模糊函数（STAF）特性在雷达技术中具有重要意义。该问题为NP难问题，因其非凸四次目标函数和CMC约束。现有方法通常涉及基于模型的松弛方法以及数据驱动的深度神经网络（DNN）方法，这些方法面临数据限制的挑战。我们观察到复圆周流形（CCM）自然满足CMC。通过投影到CCM上，该问题转化为无约束最小化问题，可采用CCM梯度下降模型进行求解。此外，我们观察到CCM上的梯度下降模型可以展开为深度学习（DL）网络。因此，通过利用DL的强大学习能力与CCM梯度下降模型，我们提出了一种无需松弛的模型自适应学习网络（MAL-Net）方法。首先，我们将问题重新表述为CCM上的无约束四次问题（UQP）。然后，开发MAL-Net以自适应学习各层的步长。这是通过将CCM梯度下降模型展开为网络层来实现的。我们的仿真结果表明，所提出的MAL-Net在STAF性能上优于现有方法。
Keyword:
waveform design
slow-time ambiguity function
constant modulus
complex circle manifold
MAL-Net method
deepearning
期刊
IF:
4.1
论文数:
7.5K
被引数:
15.1W
机构
暂无机构信息
引用论文
MIMO Radar Transmit Waveform Design for Beampattern Matching via Complex Circle Optimization基于复圆优化的MIMO雷达发射波形设计以实现波束模式匹配OAAI
.png){kind=icon}
OAAI分享收藏Constrained Riemannian Manifold Optimization for the Simultaneous Shaping of Ambiguity Function and Transmit Beampattern约束黎曼流形优化用于同时塑造模糊函数和发射波束模式
PREAI
分享收藏Slow-Time MIMO Waveform Design Using Pulse-Agile-Phase-Coding for Range Ambiguity Mitigation慢时间域MIMO波形设计：基于脉冲捷相编码的测距模糊抑制OAAI
OAAI分享收藏
Unimodular Waveform Design for the DFRC System with Constrained Communication QoS单模波形设计用于具有受约束通信QoS的DFRC系统OAAI
OAAI分享收藏Spatial–Temporal Joint Design and Optimization of Phase-Coded Waveform for MIMO Radar相参编码波形在MIMO雷达中的时空联合设计与优化OAAI
OAAI分享收藏Joint Constant-Modulus Waveform and RIS Phase Shift Design for Terahertz Dual-Function MIMO Radar and Communication System太赫兹双功能MIMO雷达与通信系统中联合恒模波形和RIS相位偏移设计OAAI
OAAI分享收藏
查看更多内容