[发明专利]基于卷积神经网络的抗箔条干扰方法

权利要求书

1.一种基于卷积神经网络的抗箔条干扰方法，其特征在于，包括如下步骤：

(10)仿真回波数据：仿真生成箔条和目标多普勒回波数据；

(20)仿真数据处理：对箔条与目标多普勒回波数据进行提取和抽样，并做归一化处理和截取补零处理；

(30)构建数据集：将典型目标、箔条数据混合，并添加分类标签，构建神经网络训练数据集；

(40)确定卷积神经网络结构：确定具体卷积神经网络结构，使用训练数据集训练、调试卷积神经网络；

(50)箔条、目标分类识别：使用训练完成的神经网络对实测的箔条与目标回波数据进行分类识别，实现抗箔条干扰；

所述(20)仿真数据处理步骤包括：

(21)数据提取抽样：对于箔条和目标多普勒回波数据，将每组回波数据按列提取，并进行1/20等间距抽样，得到长度为128，且包络特征不变的箔条、目标多普勒回波数据；

(22)提取抽样后数据截取补零：按下式分别对提取抽样后的箔条数据与目标数据做归一化和截取补零处理，

(221)按下式对箔条数据作归一化处理，

X′＝X/x_max (1)

式中，X为提取抽样后的箔条数据，记为：

X＝[x₁，x₂，x₃...，x₁₂₈] (2)

x_max为提取抽样后箔条数据中最大值，记为：

x_max＝max{X} (3)；

(222)按下式对提取抽样后的目标数据作归一化处理，

T′＝T/t_max (4)

式中，T为提取抽样后的目标数据，记为：

T＝[t₁，t₂，t₃...，t₁₂₈] (5)

t_max为提取抽样后目标数据中最大值，记为：

t_max＝max{T} (6)；

(223)针对半照射的情况，对归一化后的箔条数据按下式截断并补零，

X^c＝[0...，0，X′，0...，0] (7)；

(224)针对半照射的情况，对归一化后的目标数据按下式截断并补零，

T^c＝[0...，0，T′，0…，0] (8)。

2.根据权利要求1所述的抗箔条干扰方法，其特征在于，所述(10)仿真回波数据步骤包括：

(11)箔条数据仿真：按下式仿真生成箔条多普勒回波数据，

式中，k_i为回波信号幅度系数，k_1i为传输系数，k_2i为系统的距离门的损耗，k_3i为视频放大倍数，k_d为多普勒放大倍数，ω_di为散射单元i的多普勒角频率，τ_i为回波信号与发射信号的延时，τ₀为信号脉冲宽度；

在箔条云多普勒仿真中，箔条云雷达散射面积表示为：

σ_i＝0.86λ²cos⁴θ (10)

式中，λ为雷达工作波长，θ为入射电磁波与箔条的夹角；

(12)目标数据仿真：按下式仿真生成目标多普勒回波数据，

式中，k_it是一个与目标面元i的雷达散射截面σ、发射信号功率P_ti以及弹目距离R_i有关的回波信号幅度系数，k_1i为传输系数，k_2i为系统的距离门的损耗，k_3i为视频放大倍数，k_d为多普勒放大倍数，ω_di为散射单元i的多普勒角频率，τ_i为回波信号与发射信号的延时，τ₀为信号脉冲宽度。