高效的光子雷达通过在恶劣天气条件下结合MDM-WDM和机器学习分类器来实现高效的光子雷达
Sushank Chaudhary1, Abhishek Sharma2, Kuldeep Singh2
1School of Computer, Guangdong University of Petrochemical Technology, Maoming, China.
PloS one
|April 1, 2024
概括
这项研究介绍了一种用于智能交通系统的先进光子雷达,可以在恶劣天气中改善目标检测. 机器学习集成显著提高了识别准确性,提高了安全性和可靠性.
科学领域:
- 微波光子学 微波光子学
- 智能运输系统 (ITS) 是一种智能运输系统.
- 雷达技术 雷达技术的使用
背景情况:
- 光子雷达对于先进的智能运输系统 (ITS) 是至关重要的,它提供了卓越的目标检测和识别.
- 光子学可实现高速宽带信号处理,具有EMI免疫性和最小传输损失等优势.
- 现有的雷达系统在不同的天气条件和太阳噪声干扰下面临着挑战.
研究的目的:
- 开发和评估一种用于增强ITS应用的新型光子雷达系统.
- 在多样化和具有挑战性的环境条件下提高目标检测和识别能力.
- 整合机器学习,在雷达系统中实现卓越的准确性和弹性.
主要方法:
- 实现一个频率调制连续波 (FMCW) 光子雷达系统.
- 协同使用模式分割和波长分割多重复合 (MDM-WDM) 进行信号增强.
- 机器学习分类器的集成:决策树,极端随机树 (ERT) 和随机森林.
主要成果:
- 该系统在各种天气条件下表现出强的性能,包括雾和太阳闪.
- 观察到对太阳能噪声干扰的显著弹性.
- 机器学习分类器实现了高精度 (91.51%),灵敏度 (91.47%),特异性 (97.17%) 和F1评分 (91.46%).
结论:
- 开发的光子雷达系统有效地提高了ITS的目标检测和识别.
- FMCW,MDM-WDM和机器学习的融合在传统雷达方法上提供了显著的进步.
- 这项技术有望通过提供更可靠,更准确的传感能力来彻底改变ITS.
