基于深度学习的雷达缺失数据修复与冗余清洗应用研究
李浩然 （ 上海航天电子技术研究所 ）
赵施斌 （ 上海航天电子技术研究所 ）
https://doi.org/10.37155/2717-5170-0802-7Abstract
在复杂电磁环境中，雷达数据常面临缺失与冗余问题，影响后续分析精度。本文提出基于深度学习的预 处理方案：采用时序注意力Transformer模型捕捉雷达信号非线性时序特征，有效修复缺失数据；设计哈希聚类算法， 结合时频域特征实现毫秒级冗余数据检测。实验表明，在30%缺失比例下，修复误差MAE降至0.32，冗余检测准确率 达96.3%。一体化处理流程使预处理效率提升40%，为雷达系统在强干扰场景下的稳定运行提供技术支撑。
Keywords
深度学习；雷达缺失数据修复；冗余清洗应用Full Text
PDFReferences
[1]王明,李华.深度学习在激光雷达点云分类中的应用
研究[J].测绘学报,2023,52(3):456-467.
[2]张伟,刘洋.基于三维卷积神经网络的LiDAR数据处
理方法[J].地理与地理信息科学,2024,30(2):118-120.
[3]陈刚,黄涛.激光雷达点云数据中地物自动分类技术
综述[J].遥感技术与应用,2025,31(1):89-90.
[4]聂鹏飞,魏凯芳.深度学习在激光雷达点云数据分
类与建筑物提取中的新进展[J].建筑理论,2025,15(08):133-
135.
研究[J].测绘学报,2023,52(3):456-467.
[2]张伟,刘洋.基于三维卷积神经网络的LiDAR数据处
理方法[J].地理与地理信息科学,2024,30(2):118-120.
[3]陈刚,黄涛.激光雷达点云数据中地物自动分类技术
综述[J].遥感技术与应用,2025,31(1):89-90.
[4]聂鹏飞,魏凯芳.深度学习在激光雷达点云数据分
类与建筑物提取中的新进展[J].建筑理论,2025,15(08):133-
135.
Copyright © 2026 李浩然,赵施斌
Publishing time:2026-02-28
This work is licensed under a Creative Commons Attribution 4.0 International License