开题报告
一、研究目的及意义
1.研究目的：
雷达散射截面是雷达探测和目标识别中的重要研究内容，其具有数据量大、干扰因素多等特点。本课题聚焦于RCS数据分类，基于Tensorflow的CNN技术，设计典型目标的智能分类算法。
2.研究意义：
（1）现实意义：
随着科技的进步与发展，人类已逐步的迈入了大数据时代，而大数据时代所带来的海量数据增长给人工智能带来了巨大的机遇与挑战。近年来,深度学习方法,尤其是卷积神经网络（CNN)已经在各种计算机视觉任务上取得了很大的成绩,从图像分类到物体检测以及语义分割等等。卷积神经网络依靠自身具备的局部感知、参数共享和稀疏连接等特点能够自动地完成对数据特征的提取以及参数学习，然后再根据模型设计的特征对数据信息进行提取和处理。它已经成为计算机视觉领域内一个重要的研究方向。
机器学习是快速兴起的学科之一，可以广泛应用于工程，科学，医学和经济学等领域。该领域是人工智能的子集，它使用计算统计信息来找到描述输入和输出数据的数学模型。由于数据驱动模型可以根据未知输入对输出进行插值，因此可以解决回归问题。由于分类问题与回归具有相同的基本基础，因此机器学习已广泛用于分类问题，例如图像识别，语音识别和目标分类[1]。
目前，雷达和通信领域的信息调制主要在时域、频域或极化域上进行，利用的主要是远场平面波近似。当电磁波的相位波前具有非平面结构时，可在其上调制所需的信息，提高电磁波的信息传递和信息获取能力。电磁涡旋就是这样一种电磁波。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
