【技术实现步骤摘要】
本专利技术涉及sar干扰检测，尤其是涉及一种sar射频干扰图像域检测方法及装置。
技术介绍
1、合成孔径雷达(sar)是一种主动微波遥感工具，为观测和了解地表环境变化提供重要数据，其高分辨率和全天候图像采集能力等特点使sar成为众多科学研究、商业和国防应用的宝贵方法。当前，电子设备使用量激增，电磁环境愈发复杂，诸如电视广播信号、无线通信、有源干扰机信号、其他非合作sar信号等，均会干扰sar的观测。这些非相干信号在sar图像域表现为各种明亮的线性条纹或块状伪影，严重影响sar的工作能力。从计算机视觉角度看，有源射频干扰在sar图像中更多地表现为一种异常现象，因此，可以直接利用sar图像数据，寻找存在异常的sar图像并分割图像中存在rfi伪影的区域，实现rfi的标记与定位。
2、在rfi检测领域，近年来涌现出一系列研究成果。agnieszka chojka等人在文献“rfi artefacts detection in sentinel-1 level-1 slc data based on imageprocessing techniques”(sensors,第13卷，2020年)提出基于图像处理的rfi检测方法，使用包括像素卷积、阈值和最近邻结构滤波在内的特征提取技术进行预处理，通过cnn分类实现rfi检测。但图像处理的方法依赖于阈值选取的经验，且鲁棒性不高。li,n.等人在文献“simultaneous screening and detection of rfi from massive sar images
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种sar射频干扰图像域检测方法及装置。本专利技术要解决的技术问题通过以下技术方案实现：
2、第一方面，本专利技术提供了一种sar射频干扰图像域检测方法包括：
3、s100，利用雷达系统周期性的发射脉冲信号，并接收原始回波信号；
4、s200，将所述原始回波信号进行sar成像得到sar复图像，并将所述sar复图像转换为灰度图；
5、s300，利用训练完成的基于改进u2net的智能干扰检测网络，对所述原始回波信号所形成的灰度图进行检测得到在所述灰度图上的预测掩膜；
6、s400，根据所述预测掩膜确定干扰在sar复图像上干扰区域。
7、第二方面，本专利技术提供了一种sar射频干扰图像域检测装置包括：
8、接收模块，被配置为利用雷达系统周期性的发射脉冲信号，并接收原始回波信号；
9、转换模块，被配置为将所述原始回波信号进行sar成像得到sar复图像，并将所述sar复图像转换为灰度图；
10、检测模块，被配置为利用训练完成的基于改进u2net的智能干扰检测网络，对所述原始回波信号所形成的灰度图进行检测得到在所述灰度图上的预测掩膜；
11、确定模块，被配置为根据所述预测掩膜确定干扰在sar复图像上干扰区域。
12、有益效果：
13、本专利技术提供了一种sar射频干扰图像域检测方法及装置，通过将原始回波信号进行sar成像得到sar复图像，并将sar复图像转换为灰度图；利用训练完成的基于改进u2net的智能干扰检测网络，对灰度图进行检测得到预测掩膜从而确定干扰在sar复图像上干扰区域。由于现有技术只能识别出sar图像中是否存在rfi，而本专利技术提出更进一步地识别sar图像中被rfi污染的具体部分，即像素级检测，这样就无需把存在rfi的sar数据直接舍弃，保持了数据的完整性，也可以针对性处理图像中的干扰，而非对全图像进行处理；无需大量无干扰的同场景对比图像，减少了实现复杂度；也无需预定义阈值等超参数，鲁棒性较好，对多种场景普遍有效。
14、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种SAR射频干扰图像域检测方法，其特征在于，包括：
2.根据权利要求1所述的SAR射频干扰图像域检测方法，其特征在于，所述训练完成的基于改进U2Net的智能干扰检测网络通过构建训练集，在训练过程中引入Focalloss函数进行约束得到。
3.根据权利要求2所述的SAR射频干扰图像域检测方法，其特征在于，所述训练集的构造过程包括：
4.根据权利要求2所述的SAR射频干扰图像域检测方法，其特征在于，所述基于改进U2Net的智能干扰检测网络包括：改进的U2Net网络和通道注意力模块；所述改进的U2Net网络包括多个尺度变化的编解码器以及尺度不变的三个膨胀卷积模块，所述多个编解码器以及三个膨胀卷积模块形成U型结构，每个膨胀卷积模块内部均利用一个空洞空间金字塔卷积模块替换本身的扩张卷积层。
5.根据权利要求3所述的SAR射频干扰图像域检测方法，其特征在于，所述混合信号表示为：
6.根据权利要求2所述的SAR射频干扰图像域检测方法，其特征在于，所述干扰基带信号包括射频噪声干扰信号、噪声调幅干扰信号、噪声调频干扰信号、线性调频干
7.根据权利要求3所述的SAR射频干扰图像域检测方法，其特征在于，c包括：
8.根据权利要求3所述的SAR射频干扰图像域检测方法，其特征在于，在得到训练完成的基于改进U2Net的智能干扰检测网络之后，所述SAR射频干扰图像域检测方法还包括：
9.根据权利要求2所述的SAR射频干扰图像域检测方法，其特征在于，所述Focal loss函数表示为：
10.一种SAR射频干扰图像域检测装置，其特征在于，包括：
...【技术特征摘要】
1.一种sar射频干扰图像域检测方法，其特征在于，包括：
2.根据权利要求1所述的sar射频干扰图像域检测方法，其特征在于，所述训练完成的基于改进u2net的智能干扰检测网络通过构建训练集，在训练过程中引入focalloss函数进行约束得到。
3.根据权利要求2所述的sar射频干扰图像域检测方法，其特征在于，所述训练集的构造过程包括：
4.根据权利要求2所述的sar射频干扰图像域检测方法，其特征在于，所述基于改进u2net的智能干扰检测网络包括：改进的u2net网络和通道注意力模块；所述改进的u2net网络包括多个尺度变化的编解码器以及尺度不变的三个膨胀卷积模块，所述多个编解码器以及三个膨胀卷积模块形成u型结构，每个膨胀卷积模块内部均利用一个空洞空间金字塔卷积模块替换本身的扩张卷积层。
...【专利技术属性】
技术研发人员：张学攀，赵嘉懿，任龙飞，刘艳阳，聂国篱，邢航，刘思宁，廖桂生，
申请(专利权)人：西安电子科技大学，
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。