[發(fā)明專利]一種基于深度學(xué)習(xí)的復(fù)雜噪聲環(huán)境下的雷達(dá)信號(hào)恢復(fù)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810259647.4
• 申請(qǐng)日: 2018-03-27
• 公開（公告）號(hào): CN108226892B
• 公開（公告）日: 2021-09-28
• 發(fā)明（設(shè)計(jì)）人: 侯春萍;黃丹陽(yáng);楊陽(yáng);郎玥
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G01S7/41
• 分類號(hào): G01S7/41
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 程毓英

1.一種基于深度學(xué)習(xí)的復(fù)雜噪聲環(huán)境下的雷達(dá)信號(hào)恢復(fù)方法，包括下列步驟：

（1）雷達(dá)仿真數(shù)據(jù)集的構(gòu)建：選取動(dòng)作捕捉數(shù)據(jù)庫(kù)作為雷達(dá)仿真數(shù)據(jù)的來(lái)源，對(duì)人體的主要關(guān)節(jié)點(diǎn)進(jìn)行橢球形建模，利用公式計(jì)算出人體各部分的雷達(dá)反射信號(hào)；對(duì)雷達(dá)反射信號(hào)中加入不同能量的高斯白噪聲，并對(duì)信號(hào)進(jìn)行短時(shí)傅立葉變換生成雷達(dá)時(shí)頻圖像，主信號(hào)淹沒(méi)于噪聲中的雷達(dá)圖像和不含噪聲的圖像就構(gòu)建成一個(gè)雷達(dá)時(shí)頻圖像對(duì)，構(gòu)建出五種信噪比環(huán)境下的人體動(dòng)作的雷達(dá)仿真數(shù)據(jù)集，分別為0dB，10dB，20dB，-10dB，-20dB，并挑選訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)；

（2）實(shí)測(cè)雷達(dá)數(shù)據(jù)集的構(gòu)建：利用超寬帶雷達(dá)模塊作為雷達(dá)傳感器，連接兩個(gè)定向天線進(jìn)行實(shí)測(cè)雷達(dá)數(shù)據(jù)的采集，在室內(nèi)高信噪比環(huán)境下對(duì)五個(gè)被測(cè)目標(biāo)的七種運(yùn)動(dòng)狀態(tài)：跑步、跳躍、行走、拳擊、踱步、爬行以及站立進(jìn)行多組采集，將采集的雷達(dá)信號(hào)進(jìn)行短時(shí)傅立葉變換生成雷達(dá)時(shí)頻圖像，并加入不同能量的高斯白噪聲，與原圖構(gòu)成實(shí)測(cè)雷達(dá)圖像對(duì)，構(gòu)建實(shí)測(cè)雷達(dá)數(shù)據(jù)集；

（3）網(wǎng)絡(luò)模型的構(gòu)建：利用深度學(xué)習(xí)中的生成對(duì)抗網(wǎng)絡(luò)實(shí)現(xiàn)噪聲環(huán)境下的自適應(yīng)雷達(dá)信號(hào)恢復(fù)，生成對(duì)抗網(wǎng)絡(luò)由兩個(gè)部分構(gòu)成，分別是判別器和生成器，利用稠密連接卷積神經(jīng)網(wǎng)絡(luò)來(lái)構(gòu)成判別器和生成器，判別器的輸入是由含噪聲圖像和不含噪聲圖像對(duì)連接而成的六通道圖像，其輸出是對(duì)圖像對(duì)的判別標(biāo)簽，標(biāo)簽‘1’代表圖像對(duì)中的不含噪聲的雷達(dá)時(shí)頻圖像來(lái)自外部數(shù)據(jù)，標(biāo)簽‘0’代表圖像對(duì)中不含噪聲的雷達(dá)時(shí)頻圖像來(lái)自于生成器的輸出；判別器旨在對(duì)輸入圖像進(jìn)行正確判別：判斷圖像或圖像對(duì)是來(lái)自于真實(shí)數(shù)據(jù)還是生成自生成器；生成器的輸入是含有噪聲的雷達(dá)圖像，輸出是經(jīng)過(guò)處理后的雷達(dá)圖像，處理后的圖像中噪聲成分減少，被測(cè)目標(biāo)的運(yùn)動(dòng)信號(hào)被恢復(fù)出來(lái)，生成器旨在實(shí)現(xiàn)雷達(dá)信號(hào)的恢復(fù)，生成與真實(shí)數(shù)據(jù)相似的圖像；

（4）生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練：將五種信噪比環(huán)境下的五組仿真雷達(dá)時(shí)頻圖像進(jìn)行混合，生成訓(xùn)練數(shù)據(jù)，對(duì)生成對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練，每個(gè)訓(xùn)練周期按照隨機(jī)順序把所有雷達(dá)圖像對(duì)依次輸入到網(wǎng)絡(luò)進(jìn)行訓(xùn)練，每次數(shù)據(jù)的輸入從訓(xùn)練數(shù)據(jù)集隨機(jī)選取32個(gè)圖像對(duì)進(jìn)行輸入，每次訓(xùn)練包含對(duì)判別器和生成器兩部分的交替訓(xùn)練，實(shí)現(xiàn)兩個(gè)網(wǎng)絡(luò)的權(quán)重迭代更新，最終達(dá)到收斂，其中判別器的訓(xùn)練選取二元互熵?fù)p失函數(shù)作為目標(biāo)函數(shù)進(jìn)行優(yōu)化，生成器的訓(xùn)練選取均方誤差MSE和二元互熵?fù)p失函數(shù)進(jìn)行加權(quán)平均作為目標(biāo)函數(shù)進(jìn)行優(yōu)化；

（5）利用生成對(duì)抗網(wǎng)絡(luò)對(duì)實(shí)測(cè)雷達(dá)圖像進(jìn)行信號(hào)恢復(fù)：網(wǎng)絡(luò)的訓(xùn)練完成后，將實(shí)測(cè)雷達(dá)數(shù)據(jù)集中挑選出的圖像對(duì)輸入到生成對(duì)抗網(wǎng)絡(luò)中的生成器中，輸出經(jīng)過(guò)信號(hào)恢復(fù)的雷達(dá)圖像，然后計(jì)算恢復(fù)圖像與不含噪聲的雷達(dá)圖像之間的峰值信噪比衡量信號(hào)恢復(fù)效果。