机器学习在雷达信号处理中应用的全面综述
信号处理
2020-09-30 v1 机器学习
摘要
现代雷达系统在日益复杂的电磁环境中运行，对精度、鲁棒性和实时性有很高要求。传统雷达信号处理（RSP）方法在满足此类要求时显示出一定局限性，尤其在目标分类方面。随着机器学习（ML），特别是深度学习的快速发展，雷达研究者在解决 RSP 相关问题时已开始集成这些新方法。本文旨在通过提供基于 ML 的 RSP 技术的全面、结构化且有理据的文献概览，帮助研究者和从业者更好地理解 ML 技术在 RSP 相关问题中的应用。通过给出基于 ML 的 RSP 的一般要素及其背后的动机，本文进行了充分导引。随后基于应用领域对基于 ML 的 RSP 的主要应用进行分析与结构化。本文最后给出一系列开放性问题与建议的研究方向，以指明当前差距及潜在的未来解决方案与趋势。
引用
@article{arxiv.2009.13702,
title = {A Comprehensive Survey of Machine Learning Applied to Radar Signal Processing},
author = {Ping Lang and Xiongjun Fu and Marco Martorella and Jian Dong and Rui Qin and Xianpeng Meng and Min Xie},
journal= {arXiv preprint arXiv:2009.13702},
year = {2020}
}