基于微多普勒语谱图的无人机和直升机分类：一种视觉 Transformer 方法
信号处理
2025-12-02 v1
摘要
机器学习研究者致力于开发更好的算法来解决计算机视觉问题，如图像分类。近年来，微多普勒语谱图的分类也受益于这些发现。卷积神经网络 (CNN) 成为这些任务的黄金标准。然而，CNN 只能处理固定分辨率的图像，或需要将分辨率不匹配的图像调整以适应输入维度。当微多普勒语谱图是以不同积分时间生成时，这就会成为一个问题。本工作旨在使用视觉 Transformer (ViT) 架构对不同时长的无人机和直升机微多普勒语谱图进行分类。实验是在使用侦察、短程军事雷达收集的真实数据上进行的。结果表明，ViT 模型在该任务上实现了 97.76% 的准确率。为进一步解释网络性能，分析了原始自注意力图。
引用
@article{arxiv.2512.00374,
title = {Vision Transformer for Classification of UAV and Helicopters Using Micro-Doppler Spectrograms in Surveillance Radar},
author = {Arkadiusz Czuba},
journal= {arXiv preprint arXiv:2512.00374},
year = {2025}
}
备注
Accepted to IEEE ICCI*CC 2023 (pre-publication version)