.png){kind=icon}
返回
Radar Singal Sorting via PointMLP Instance Segmentation Network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11760-025-04706-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为解决智能雷达信号分选中的维度敏感性和尺度变换挑战，本文提出了一种基于点云实例分割的新型雷达信号分选方法。该算法创新性地将脉冲描述字（PDWs）映射到具有几何结构的3D点云空间。通过磁损失函数的引导优化，增强的PointMLP实例分割网络在复杂电磁环境中实现了实例级辐射源分离。所提出的点云分割网络融合了PointNet和PointMLP架构的优势，采用多尺度特征融合机制，以克服传统点云方法在捕获局部特征方面的局限性。磁损失函数通过深度聚类原理引入类间排斥和类内吸引的双重约束，形成优化的特征空间配置，实现异构脉冲分离的同时聚合同源脉冲。与传统算法相比，本方法无需先验知识预设阈值，并避免了基于图像的分选方案中因维度压缩导致的信息失真。仿真结果表明，在高脉冲丢失和虚假脉冲场景下，所提方法的平均分选纯度保持在95%以上，证实了其在动态电磁环境中的强鲁棒性和工程适用性。
Keyword:
Radar signal sorting
Point cloud
PDW
Instance segmentation
Deep clustering
期刊
IF:
2.1
论文数:
908
被引数:
4.6K
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
查看更多内容