通过深度展开实现可解释的归因散射中心提取
信号处理
2024-05-16 v1
摘要
现有大多数稀疏表示方法用于提取归因散射中心 (ASC) 都采用传统的迭代优化算法，这些算法计算时间较长且精度有限。本文提出了一种解决方案，通过引入可解释的网络来有效且快速地提取 ASC。首先，我们创建了一个包含可靠先验知识的字典，并将其应用于迭代收缩阈值算法 (ISTA)。随后，我们将 ISTA 展开为神经网络，以自动和精确地优化超参数。通过应用具有物理意义的字典，保留了物理解释性。实验在多个具有不同数据分布的测试集上进行，结果表明该方法在性能和通用性方面具有优势。
引用
@article{arxiv.2405.09073,
title = {Interpretable attributed scattering center extracted via deep unfolding},
author = {Haodong Yang and Zhe Zhang and Zhongling Huang},
journal= {arXiv preprint arXiv:2405.09073},
year = {2024}
}
备注
This paper has been accepted by IGARSS2024