Nous appliquons des méthodes d'apprentissage automatique pour démontrer la superrésolution de portée dans la détection radar par télédétection. Plus précisément, nous mettons en œuvre un autoencodeur de débruitage pour estimer la distance entre deux scatterers d'intensité égale dans le régime sublongueur d'onde. Les modèles d'apprentissage automatique sont entraînés sur des formes d'onde soumises à une contrainte de bande, de sorte que des portées beaucoup plus petites que l'inverse de la bande soient optimisées en précision. L'autoencodeur réalise une réduction de dimensionnalité efficace, la couche de goulot d'étranglement présentant une forte et constante corrélation avec la séparation réelle des scatterers. Nous confirmons la reproductibilité à travers différentes sessions d'entraînement et initialisations du réseau en analysant les sorties de l'encodeur mises à l'échelle et leur robustesse au bruit. Nous examinons le comportement de la couche de goulot d'étranglement pour les types de pics suivants : un pic sinc traditionnel, un pic de type triangle limité en bande, et un pic théoriquement quasi-optimal créé à partir d'une base de fonction de Bessel sphérique. Le signal de Bessel obtient les meilleurs résultats, suivi de l'onde triangulaire, le signal sinc étant le moins performant, soulignant le rôle crucial de la conception du signal dans le succès de la résolution de portée basée sur l'apprentissage automatique.
Czupryniak et al. (mar.), ont étudié cette question.