基于神经网络的雷达干扰抑制方法技术

本发明专利技术公开了一种基于神经网络的雷达干扰抑制方法，主要解决现有技术对目标检测率较低的问题。其实现方案是：1)对雷达接收信号依次进行脉冲压缩和短时傅里叶变换得到时频特征，并将多组时频特征构成训练数据集和测试数据集；2)搭建一个自上而下由输入层、双向循环卷积层和全连接层构成的分类网络；3)利用训练数据集对分类网络进行训练，得到训练好的分类网络；4)利用测试数据集对训练好的分类网络进行测试获取测试数据集对应的标签；5)将标签中干扰项所对应的位置用随机数替换，得到替换后的数据；6)对替换后的数据进行短时傅里叶变换，得到干扰抑制后的信号。本发明专利技术的分类准确，提高了目标的检测率，可以用于雷达目标检测。

【技术实现步骤摘要】
基于神经网络的雷达干扰抑制方法
本专利技术属于雷达信号处理
，特别涉及雷达干扰抑制方法，可以用于雷达目标检测。技术背景雷达先进技术的更新日新月异，雷达干扰与抗干扰技术也愈加趋于成熟，而干扰感知技术也成为抗干扰技术中的重要组成部分。在抗干扰过程中，雷达系统会识别干扰类型，进而可以采用相对应的抗干扰措施对特定种类的干扰进行抑制，因此干扰感知对抗干扰的实现具有突出作用。电子干扰技术日益发展成熟，带动最新型干扰设备的持续开发，使得雷达的工作环境愈加复杂，如何在恶劣的电磁环境中占据上风，己成为取得信息战胜败的关键一环。因此，雷达干扰技术对于目标检测起到关键性作用。对于干扰抑制，由于机器学习、深度学习等技术的不断发展，到现在国内外的学者们也一直在研究。来自美国的BlairWD等人在Multiplatform-multisensortrackingwithsurveillanceradars一文中对干扰的幅度起伏度参数进行了提取，从而成功识别了干扰类型，但无法将干扰抑制掉。ChenVC和MiceliWJ等人在Simulationof本文档来自技高网...

【技术保护点】
1.一种基于神经网络的雷达干扰抑制方法，其特征在于，包括如下：/n(1)对雷达接收信号依次进行脉冲压缩和短时傅里叶变换，得到对应的时频特征S(t,ω)；/n(2)重复(1)操作，共得到2000组时频特征样本，从样本中随机选择80％作为训练数据集，20％作为测试数据集；/n(3)对所有训练数据集和测试数据集进行归一化预处理，得到预处理后的训练数据集X及测试数据集P；/n(4)搭建一个自上而下由输入层、双向循环卷积层和全连接层构成的分类网络，并利用训练数据集X对其训练得到训练后的分类网络；/n(5)将测试数据集P输入到已训练好的分类网络中，获得测试数据集P的标签，该标签包括目标、干扰和噪声；/n(...

【技术特征摘要】
1.一种基于神经网络的雷达干扰抑制方法，其特征在于，包括如下：
(1)对雷达接收信号依次进行脉冲压缩和短时傅里叶变换，得到对应的时频特征S(t,ω)；
(2)重复(1)操作，共得到2000组时频特征样本，从样本中随机选择80％作为训练数据集，20％作为测试数据集；
(3)对所有训练数据集和测试数据集进行归一化预处理，得到预处理后的训练数据集X及测试数据集P；
(4)搭建一个自上而下由输入层、双向循环卷积层和全连接层构成的分类网络，并利用训练数据集X对其训练得到训练后的分类网络；
(5)将测试数据集P输入到已训练好的分类网络中，获得测试数据集P的标签，该标签包括目标、干扰和噪声；
(6)将测试数据集P的标签中干扰所对应的位置用随机数替换，并对替换后的测试数据集P进行逆短时傅里叶变换，得到干扰抑制后的数据。


2.根据权利要求1所述的方法，其中(1)中得到的时频特征S(t,ω)，表示如下：



其中，z(t)为脉冲压缩后的脉压信号，γ(τ-t)为窗函数，e-jωt为蝶形因子。


3.根据权利要求1所述的方法，其中(3)对训练数据集和测试数据集进行归一化处理，公式如下：



其中，代表第k行数据的归一化结果，xk代表第k行数据，min(·)代表取最小值，...

【专利技术属性】
技术研发人员：赵光辉，韩冰鑫，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61