基于优化深度模型的雷达切片存储转发式干扰抑制方法技术

本发明专利技术提供了一种基于优化深度模型的雷达切片存储转发式干扰抑制方法，属于雷达技术领域，主要包括：获取雷达目标回波信号和雷达切片存储式干扰信号；对雷达目标回波信号和雷达切片存储式干扰信号进行预处理，得到训练集和验证集，并构建实现雷达干扰抑制功能的基础模型；得到深度U型网络模型；调整深度U型网络模型的超参数，并利用训练集进行训练得到优化后的深度模型；利用优化后的深度模型对雷达目标回波信号和雷达切片存储式干扰信号进行干扰抑制处理，完成基于深度模型优化的雷达切片存储转发式干扰抑制。本发明专利技术基于训练后的深度模型能较快的完成对雷达目标回波信号和雷达切片存储式干扰信号进行干扰抑制处理，其计算量小，速度快。

【技术实现步骤摘要】
基于优化深度模型的雷达切片存储转发式干扰抑制方法
本专利技术属于雷达
，具体是涉及一种基于优化深度模型的雷达切片存储转发式干扰抑制方法。
技术介绍
现代雷达预警探测、战场监视和精确制导等作战领域的核心探测装备，压制与欺骗、主瓣或副瓣、自卫和欺骗等各类干扰手段是对抗雷达探测的重要手段。基于数字射频存储器的欺骗式存储转发干扰是对雷达实施主瓣干扰的主要方式，与数字射频欺骗式干扰对应的抗干扰措施的应用，决定着雷达对目标进行定位和追踪的准确性。针对雷达主瓣的切片存储转达式干扰能实现对雷达发射信号的精确“复制”，对雷达进行目标探测构成了严重的挑战，但目前为止，仍然缺少有效的检测与识别算法，基于深度学习的抗干扰技术是抑制切片存储转发干扰的有效技术途径之一。对于雷达此类对处理速度要求非常高的设备，在实际部署中如此庞大的计算量也将导致信号的处理时间无法达到实时性的要求。因此针对雷达抗切片存储转发干扰的深度学习模型优化技术研究成为研究热点。因此，以抑制雷达主瓣的切片存储转发式干扰为背景，针对存储转发式干扰的特点及深度模型优化方法，设计深度网络模型结构本文档来自技高网...

【技术保护点】
1.基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，包括以下步骤：/nS1、获取雷达目标回波信号和雷达切片存储式干扰信号；/nS2、对所述雷达目标回波信号和雷达切片存储式干扰信号进行预处理，得到训练集和验证集，并根据所述训练集和验证集构建实现雷达干扰抑制功能的基础模型；/nS3、利用所述训练集对所述基础模型进行训练，得到深度U型网络模型；/nS4、调整所述深度U型网络模型的超参数，并利用训练集进行训练得到优化后的深度模型；/nS5、利用所述优化后的深度模型对雷达目标回波信号和雷达切片存储式干扰信号进行干扰抑制处理，完成基于深度模型优化的雷达切片存储转发式干扰抑制。/n

【技术特征摘要】
1.基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，包括以下步骤：
S1、获取雷达目标回波信号和雷达切片存储式干扰信号；
S2、对所述雷达目标回波信号和雷达切片存储式干扰信号进行预处理，得到训练集和验证集，并根据所述训练集和验证集构建实现雷达干扰抑制功能的基础模型；
S3、利用所述训练集对所述基础模型进行训练，得到深度U型网络模型；
S4、调整所述深度U型网络模型的超参数，并利用训练集进行训练得到优化后的深度模型；
S5、利用所述优化后的深度模型对雷达目标回波信号和雷达切片存储式干扰信号进行干扰抑制处理，完成基于深度模型优化的雷达切片存储转发式干扰抑制。


2.根据权利要求1所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述步骤S2包括以下步骤：
S201、固定数据维数，将雷达目标回波信号和雷达切片存储式干扰信号在固定区间上进行随机平移以及加权叠处理，模拟出不同强度目标的目标回波信号和雷达切片存储式干扰信号；
S203、将所述不同强度目标的目标回波信号和雷达切片存储式干扰信号进行扩充处理，得到训练集和验证集；
S204、设置干信比，得到有干扰的雷达回波信号；
S205、根据所述有干扰的雷达回信号，利用训练集和验证集进行迭代训练，构建实现雷达干扰抑制功能的基础模型。


3.根据权利要求1所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述步骤S5中优化后的深度模型包括编码层以及与所述编码层连接的解码层。


4.根据权利要求3所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述编码层包括依次连接的输入层、第一浅层模块、第二浅层模块、第一池化层、第三浅层模块、第四浅层模块、第二池化层、第一深层模块、第三池化层、第二深层模块、第一丢弃层、第四池化层、第三深层模块以及第二丢弃层；
所述解码层包括依次连接的第一上采样层、第四深层模块、第一通道拼接层、第五深层模块、第二上采样层、第六深层模块、第二通道拼接层、第七深层模块、第三上采样层、第三通道拼接层、第一一维卷积层、第四上采样层、第二一维卷积层、第四通道拼接层、第三一维卷积层、第四一维卷积层以及输出层；
所述第二浅层模块与所述第四通道拼接层连接，所述第四浅层模块与所述第三通道拼接层连接，所述第一深层模块与所述第二通道拼接层连接，所述第一丢弃层与所述第一通道拼接层连接，所述第二丢弃层与所述第一上采样层连接。


5.根据权利要求4所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述第一一维卷积层的通道数为128，卷积核为1*3，激活函数为Relu；
所述第二一维卷积层的通道数为128，卷积核为1*3，激活函数为Relu；
所述第三一维卷积层的通道数为64，卷积核为1*3，激活函数为Relu；
所述第四一维卷积层的通道数为64，卷积核为1*1，激活函数为Relu。


6.根据权利要求5所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述第一浅层模块、第二浅层模块、第三浅层模块以及第四浅层模块的结构均相同，其均包括依次连接的一维卷积层、自定义网络层以及拼接层；
所述第一浅层模块中的一维卷积层与所述输入层连接，所述第一浅层模块中的拼接层与所述第二浅层模块中的一维卷积层连接，所述第二浅层模块中的拼接层与所述第一池化层连接，所述第三浅层模块中的一维卷积层与所述第一池化层连接，所述第三浅层模块中的拼接层与所述第四浅层模块中的一维卷积层连接，所述第四浅层模块中的拼接层与所述第二池化层连接。


7.根据权利要求6所述的基于优化深度模型的雷达切片存储转发式干扰抑制方法，其特征在于，所述第一浅层模块中一维卷积层的通道数为32，卷积核为1*3，激活函数为Relu，特征图为64个；
所述第二浅层模块中一维卷积层的通...

【专利技术属性】
技术研发人员：沈晓峰，傅梓枫，武玉霞，金一帆，廖阔，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51