我们周围的世界不断被自适应雷达系统闪光拍摄。从盐滩到山脉，以及介于两者之间的一切，自适应雷达都用于检测、定位和跟踪移动物体。虽然人眼看不到这些超高频 (UHF) 范围，但这并不意味着它们没有拍照。

尽管自适应雷达系统自二战以来就已存在，但在过去的几十年里，它们遇到了根本性的性能瓶颈。但在现代人工智能方法和从计算机视觉中吸取的经验教训的帮助下，杜克大学的研究人员已经突破了这一瓶颈，他们希望带领该领域的其他人一起努力。

在 7 月 16 日发表在《IET 雷达、声纳与导航》杂志上的一篇新论文中，杜克大学的工程师们表明，使用卷积神经网络(CNN)(一种彻底改变了计算机视觉的人工智能)可以极大地增强现代自适应雷达系统。

与计算机视觉热潮同步的是，他们发布了大量数字景观数据集，供其他人工智能研究人员在其工作基础上进一步拓展。

杜克大学电气与计算机工程系罗德家族教授 Vahid Tarokh 实验室的研究生助理 Shyam Venkatasubramanian 表示：“传统的雷达方法非常好，但还不足以满足自动驾驶汽车等产品的行业需求。”

“我们正在努力将人工智能引入自适应雷达领域，以解决行业需要解决的物体检测、定位和跟踪等问题。”