[發(fā)明專利]一種基于系統(tǒng)辨識(shí)的STAP訓(xùn)練樣本選擇方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710337764.3
• 申請(qǐng)日: 2017-05-15
• 公開(kāi)（公告）號(hào): CN107180259B
• 公開(kāi)（公告）日: 2021-03-30
• 發(fā)明（設(shè)計(jì)）人: 胡進(jìn)峰;鮑偉偉;曹健;姚馮;陳卓;蔡雷雷
• 申請(qǐng)（專利權(quán)）人: 電子科技大學(xué)
• 主分類號(hào): G06N3/08
• 分類號(hào): G06N3/08;G06K9/00;G01S7/41
• 代理公司: 電子科技大學(xué)專利中心 51203
• 代理人: 周劉英

1.一種基于系統(tǒng)辨識(shí)的STAP訓(xùn)練樣本選擇方法，其特征在于，包括下列步驟：

步驟1：采用神經(jīng)網(wǎng)絡(luò)對(duì)CUT雜波進(jìn)行建模，辨識(shí)CUT雜波模型：

基于待檢測(cè)距離單元CUT的回波信號(hào)x_CUT多次訓(xùn)練雜波預(yù)測(cè)模型，選擇多次訓(xùn)練濾波輸出方差最小的雜波預(yù)測(cè)模型訓(xùn)練好的雜波預(yù)測(cè)模型，即CUT雜波模型H；

其中，雜波預(yù)測(cè)模型用于白化濾波，所述雜波預(yù)測(cè)模型為回聲狀態(tài)神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)或Volterra模型；

所述雜波預(yù)測(cè)模型包括線性和非線性模式；

若為線性模式，則采用自回歸滑動(dòng)平均模型對(duì)CUT雜波的時(shí)間序列進(jìn)行建模；

若為非線性模式，則采用雙線性模型對(duì)CUT雜波的時(shí)間序列進(jìn)行建模；

步驟2：通過(guò)步驟1得到的CUT雜波模型H對(duì)待選樣本x_k進(jìn)行白化濾波，得到待選樣本x_k的濾波輸出：方差為的白噪聲；

步驟3：基于兩個(gè)信號(hào)經(jīng)過(guò)濾波后的方差相等，則對(duì)應(yīng)的協(xié)方差矩陣相等的原則，選擇與CUT具有相似的雜波協(xié)方差矩陣的待選樣本作為STAP訓(xùn)練樣本：

若方差小于或等于預(yù)設(shè)閾值T1，則將當(dāng)前待選樣本x_k選作訓(xùn)練樣本。

2.如權(quán)利要求1所述的方法，其特征在于，將步驟3替換為：

步驟3：基于兩個(gè)信號(hào)經(jīng)過(guò)濾波后的方差相等，則對(duì)應(yīng)的協(xié)方差矩陣相等的原則，選擇與CUT具有相似的雜波協(xié)方差矩陣的待選樣本作為STAP訓(xùn)練樣本：

若與最小的絕對(duì)差不超過(guò)預(yù)設(shè)閾值T2，則將當(dāng)前待選樣本x_k選作訓(xùn)練樣本。