[发明专利]一种基于生成对抗网络的雷达抗有源压制干扰方法在审

专利信息
申请号: 202211415285.6 申请日: 2022-11-11
公开(公告)号: CN115598602A 公开(公告)日: 2023-01-13
发明(设计)人: 禹永植;尤宇;赵忠凯;唐佳乐;李葛 申请(专利权)人: 哈尔滨工程大学
主分类号: G01S7/36 分类号: G01S7/36
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 张月航
地址: 150001 黑龙江*** 国省代码: 黑龙江;23
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 生成 对抗 网络 雷达 有源 压制 干扰 方法
【说明书】:

一种基于生成对抗网络的雷达抗有源压制干扰方法,涉及雷达抗干扰技术领域。本发明是为了解决传统的雷达抗干扰方法复杂度高,面对复杂干扰场景时干扰抑制效果效差,甚至目标回波信息缺失,抗干扰能力失效的问题。本发明将雷达回波真实信号输入至训练好的生成对抗网络,获得去除干扰后的目标回波信号。本发明利用非线性拟合能力,生成与目标回波信号有相似数据分布的信号,在雷达探测存在有源压制干扰的场景下,从雷达回波信号中去除干扰信号,恢复出目标回波信号。本发明不需要对接收到的回波信号进行多域处理,能够直接实现对回波信号的干扰抑制,恢复出目标回波信息,能够应对复杂多变的电磁干扰环境。

技术领域

本发明属于雷达抗干扰技术领域。

背景技术

近年来,随着现代电子技术、智能化技术的不断发展,电子战中的电磁环境越来越复杂,雷达系统的工作性能及其生存能力面临着越来越严峻的威胁与挑战。因此,雷达抗干扰问题逐渐成为雷达技术领域中极为重要的研究内容。

现有的雷达信号处理技术主要利用目标回波和干扰的多域表征进行抗干扰,往往要对雷达回波信号进行时域处理、频域处理、极化域处理和数字滤波,从而实现对干扰信号的抑制以及检测信息的提取。这些方法不仅复杂度较高,并且在复杂的干扰场景下,干扰抑制效果效差,甚至目标回波信息缺失,抗干扰能力失效。

发明内容

本发明是为了解决传统的雷达抗干扰方法复杂度高,面对复杂干扰场景时干扰抑制效果效差,甚至目标回波信息缺失,抗干扰能力失效的问题,现提供一种基于生成对抗网络的雷达抗有源压制干扰方法。

一种基于生成对抗网络的雷达抗有源压制干扰方法,将雷达回波真实信号输入至训练好的生成对抗网络,获得去除干扰后的目标回波信号;

所述生成对抗网络包括生成器和判别器,

所述生成器为U-net结构,所述生成器包括5个编码块、4个解码块和1个全连接层,所述判别器包括3个编码块和1个全连接层,

所述编码块包括卷积层、LeakyReLU激活函数层和最大池化层,所述解码块包括上采样层、卷积层和LeakyReLU激活函数层。

进一步的,上述生成对抗网络的训练方法如下:

步骤一:构建生成对抗网络的模型结构;

步骤二:将训练数据集中雷达回波模拟信号转化的矩阵Sr作为生成器的输入,获得生成器的输出数据G(Sr),将所述训练数据集中目标回波模拟信号转化的矩阵St和所述输出数据G(Sr)作为判别器的输入,获得判别器的输出数据D(St)和D[G(Sr)],

所述输出数据G(Sr)表示对目标回波模拟信号学习的结果,所述输出数据D(St)和D[G(Sr)]分别表示输入数据为St和G(Sr)的概率;

步骤三:将步骤二获得的D(St)和D[G(Sr)]代入以下损失函数:

根据损失函数的结果对所述生成器和判别器的权重进行优化;

步骤四:判断训练数据集中所有样本是否被遍历,是则完成训练,否则返回步骤二;

上式中,E表示期望,Pdata(·)表示数据的分布,V(·)表示损失函数。

进一步的,在上述步骤四完成训练之后,还包括以下步骤:

步骤五:将测试数据集中雷达回波模拟信号转化的矩阵作为训练好的生成器的输入,获得其输出数据

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202211415285.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top