【技术实现步骤摘要】
本专利技术涉及雷达数据处理，特别是涉及一种基于图神经网络的地海杂波分类方法及装置。
技术介绍
1、天波雷达是战略/远程预警领域至关重要的骨干装备之一。坐标配准将雷达量测或航迹从雷达量测坐标系变换到大地坐标系下，是天波雷达目标定位的关键环节。坐标配准参数是天波雷达的关键参数，其误差是天波雷达目标定位误差的主要来源。
2、近年来，基于地海杂波识别的天波雷达坐标配准方法使用越来越广泛。该方法两个步骤，首先将实时频谱数据输入训练好的地海杂波分类器，得到地海杂波分类结果，然后利用地海杂波分类结果形成地/海分界线或地形轮廓，将其与先验地理信息匹配可为目标定位提供坐标配准参数，这种方法仅需要在系统中增加少量模块，代价较小。
3、然而，现有的基于地海杂波识别的天波雷达坐标配准方法中地海杂波识别分类方法是将每个距离-方位单元杂波视为独立同分布，在深度学习框架下，通过辨识雷达回波每个距离-方位单元背景杂波来源于地/海进行分类。现有的地海杂波识别分类方法，其数据样本仅包含布拉格峰明显的地海杂波谱数据，不包含明显受射频干扰、多路径传播等...
【技术保护点】
1.一种基于图神经网络的地海杂波分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图神经网络的地海杂波分类方法，其特征在于，所述数据预处理包括人工标注、频移、裁剪和野值处理；
3.根据权利要求2所述的基于图神经网络的地海杂波分类方法，其特征在于，所述第一训练集占第一地海杂波数据库中数据量的70％，所述第一测试集占第一地海杂波数据库中数据量的30％。
4.根据权利要求3所述的基于图神经网络的地海杂波分类方法，其特征在于，所述深度卷积神经网络基本网络模块包括卷积层Conv1d、池化层MaxPool和全连接层FC，基本网络...
【技术特征摘要】
1.一种基于图神经网络的地海杂波分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于图神经网络的地海杂波分类方法，其特征在于，所述数据预处理包括人工标注、频移、裁剪和野值处理；
3.根据权利要求2所述的基于图神经网络的地海杂波分类方法，其特征在于，所述第一训练集占第一地海杂波数据库中数据量的70％，所述第一测试集占第一地海杂波数据库中数据量的30％。
4.根据权利要求3所述的基于图神经网络的地海杂波分类方法，其特征在于，所述深度卷积神经网络基本网络模块包括卷积层conv1d、池化层maxpool和全连接层fc，基本网络组件包括线性整流函数relu和批量归一化batchnorm。
5.根据权利要求4所述的基于图神经网络的地海杂波分类方法，其特征在于，所述图数据中的节点表示第二预处理数据，边表示不同第二预处理数据之间的关系；
6.根据权利要求5所述的基于图神经网络的地海杂...
【专利技术属性】
技术研发人员：李灿，潘泉，王增福，祝志勇，张效宣，白向龙，郝宇航，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。