Login for students

Login for employees

Publication detail

FMICW Radar Target Classification By Neural Network
Authors: Pitaš Karel | Rejfek Luboš | Nguyen Tan N. | Beran Ladislav | Tran Phuong T. | Fišer Ondřej
Year: 2020
Type of publication: článek ve sborníku
Name of source: 30th International Conference Radioelektronika, RADIOELEKTRONIKA 2020
Publisher name: IEEE (Institute of Electrical and Electronics Engineers)
Place: New York
Page from-to: 1-5
Titles:
Language Name Abstract Keywords
cze Klasifikace cílů FMICW radarem pomocí neuronové sítě Tento dokument popisuje automatickou klasifikaci cílů detekovaných radarem FMICW. Tyto cíle se počítají a třídí do tří skupin (příchozí, odchozí a statické cíle). Tuto informaci jsme odvodili z výstupu neuronové sítě, která označovala cíle ve 2D spektru. Další neurální síť má pět vrstev. První vrstva slouží k potlačení cílů sudým počtem bodů, což způsobuje problémy při detekci symetrie. Druhá a třetí vrstva detekuje symetrii v dimenzi (vertikální nebo horizontální). Čtvrtá vrstva kontroluje, zda je symetrie v obou dimenzích a zda detekce není falešným varováním způsobeným konstelací cílů. Pátá vrstva obsahuje pouze 4 neurony a tato vrstva se používá pro počítání cílů a klasifikaci cílů (jsou-li statické, příchozí nebo odchozí). Neuronová síť se skládá z jednoduchého bloku pro snadnou implementaci na FPGA. radar, programovatelná hradlová pole, neuronové sítě, detekce objektů
eng FMICW Radar Target Classification By Neural Network This document describes automatic classification of targets detected by the FMICW radar. These targets are counted and sorted to three groups (incoming, outgoing and static targets). We derived this information from the output of the neural network which marked the targets in 2D spectrum. The additional neural network has five layers. The first layer is used for the suppression of the targets with even numbers of points, which causes problems during the symmetry detection. The second and third layers detect the symmetry in the dimension (vertical or horizontal). The fourth layer checks out if the symmetry is in both dimensions and if the detection is not a false alert caused by the constellation of the targets. The fifth layer contains only 4 neurons and this layer is used for counting of the targets and classification of the targets (if they are static, incoming or outgoing). The neural network is composed of a simple block for the easy implementation on the FPGA. Radar, Field programmable gate arrays, Neural networks, Object detection

Department

Map

en.mapy.cz

Services

Popular Links

© 2023 University of Pardubice, Studentská 95, 532 10 Pardubice 2
Phone: +420 466 036 111, 466 036 112, 466 036 113
Webmaster, RSS
Data box ID: f5vj9hu
Accessibility Statement
CC BY-NC-ND 4.0Creative CommonsAttributionNonCommercialNoDerivatives