一种基于生成对抗网络的雷达抗有源压制干扰方法技术

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。本发明专利技术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。本发明专利技术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。本发明专利技术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。本发明专利技术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。杂多变的电磁干扰环境。杂多变的电磁干扰环境。

【技术实现步骤摘要】
一种基于生成对抗网络的雷达抗有源压制干扰方法


[0001]本专利技术属于雷达抗干扰


技术介绍

[0002]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
中极为重要的研究内容。
[0003]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。

技术实现思路

[0004]本专利技术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。
[0005]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；
[0006]所述生成对抗网络包括生成器和判别器，
[0007]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，
[0008]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。
[0009]进一步的，上述生成对抗网络的训练方法如下：
[0010]步骤一：构建生成对抗网络的模型结构；
[0011]步骤二：将训练数据集中雷达回波模拟信号转化的矩阵S
r
作为生成器的输入，获得生成器的输出数据G(S
r
)，将所述训练数据集中目标回波模拟信号转化的矩阵S
t
和所述输出数据G(S
r
)作为判别器的输入，获得判别器的输出数据D(S
t
)和D[G(S
r
)]，
[0012]所述输出数据G(S
r
)表示对目标回波模拟信号学习的结果，所述输出数据D(S
t
)和D[G(S
r
)]分别表示输入数据为S
t
和G(S
r
)的概率；
[0013]步骤三：将步骤二获得的D(S
t
)和D[G(S
r
)]代入以下损失函数：
[0014][0015]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；
[0016]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；
[0017]上式中，E表示期望，P
data
(
·
)表示数据的分布，V(
·
)表示损失函数。
[0018]进一步的，在上述步骤四完成训练之后，还包括以下步骤：
[0019]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
[0020]步骤六：将所述输出数据和所述测试数据集中目标回波模拟信号转化的矩阵带入下式，获得第k次迭代的均方根误差值RMSE
k
：
[0021][0022]上式中，||
·
||表示矩阵范数；
[0023]步骤七：判断前k次迭代获得的均方根误差值形成的曲线是否收敛，是则完成测试，否则使k＝k+1并返回步骤二；
[0024]上式中，m为测试数据集中的样本数量，i＝1,2,...,m，k＝1,2,...。
[0025]进一步的，在上述步骤一之前首先构建数据样本集，具体方法为：
[0026]调整时延和多普勒频移进而生成多个不同的目标回波模拟信号，分别在每个目标回波模拟信号上施加有源压制干扰信号，获得与其对应的雷达回波模拟信号，
[0027]将每个目标回波模拟信号和雷达回波模拟信号均转化为维度相同的矩阵，
[0028]将所有矩阵共同作为数据样本集，并将数据样本集中的数据划分为训练数据集和测试数据集。
[0029]进一步的，上述将目标回波模拟信号和雷达回波模拟信号转化为维度相同的矩阵的具体方法为：
[0030]对目标回波模拟信号进行N点采样，并将N个采样点获得的数据构成1行N列的矩阵，将所述1行N列的矩阵变换为a行b列的矩阵，将该a行b列的矩阵作为目标回波模拟信号转化的矩阵S
t
；
[0031]对雷达回波模拟信号进行N点采样，并将N个采样点获得的数据构成1行N列的矩阵，将所述1行N列的矩阵变换为a行b列的矩阵，将该a行b列的矩阵作为雷达回波模拟信号转化的矩阵S
r
；
[0032]其中a*b＝N，a和b均为大于1且小于N的整数，N为采样点数。
[0033]本专利技术的有益效果如下：
[0034]本专利技术采用生成对抗网络(Generative Adversarial Networks，GAN)为网络模型，利用其强大的非线性拟合能力，能够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。生成器采用U
‑
net结构，结构简单、复杂度低且效率高。相对于现有技术，本专利技术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。
附图说明
[0035]图1是存在有源干扰的雷达探测场景示意图；
[0036]图2是本专利技术GAN网络中生成器的结构示意图；
[0037]图3是本专利技术GAN网络中判别器的结构示意图；
[0038]图4为生成对抗网络的训练和测试流程图；
[0039]图5是均方根误差RMSE收敛曲线图；
[0040]图6是GAN网络生成的数据分布图像，其中(a)表示(b)表示(c)表示
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其它实施例，都属于本专利技术保护的范围。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0042]雷达探测场景如图1所示，在雷达探测时，雷达的发射信号接触到目标后产生目标回波信号，在目标回波信号返回过程中，干扰机产生的有源压制干扰信号混入目标回波信号中，使得目标回波信号存在干扰信号，最终被雷达接收机接收。为了消除雷达回波信号中的有源压制干扰，给出以下具体实施方式。
[0043]参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于生成对抗网络的雷达抗有源压制干扰方法，其特征在于，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。2.根据权利要求1所述的一种基于生成对抗网络的雷达抗有源压制干扰方法，其特征在于，所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S
r
作为生成器的输入，获得生成器的输出数据G(S
r
)，将所述训练数据集中目标回波模拟信号转化的矩阵S
t
和所述输出数据G(S
r
)作为判别器的输入，获得判别器的输出数据D(S
t
)和D[G(S
r
)]，所述输出数据G(S
r
)表示对目标回波模拟信号学习的结果，所述输出数据D(S
t
)和D[G(S
r
)]分别表示输入数据为S
t
和G(S
r
)的概率；步骤三：将步骤二获得的D(S
t
)和D[G(S
r
)]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，P
data
(
·
)表示数据的分布，V(
·
...

【专利技术属性】
技术研发人员：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，
类型：发明
国别省市：