[發明專利]一種基于機器學習的雷達雜波抑制方法有效
| 申請號： | 201811471743.1 | 申請日： | 2018-12-04 |
| 公開（公告）號： | CN109444840B | 公開（公告）日： | 2020-12-25 |
| 發明（設計）人： | 胡文;李夢霞;狄佳穎;王偉光;汪亞東;陳杰 | 申請（專利權）人： | 南京航空航天大學 |
| 主分類號： | G01S7/41 | 分類號： | G01S7/41 |
| 代理公司： | 南京蘇高專利商標事務所(普通合伙) 32204 | 代理人： | 康燕文 |
| 地址： | 210016 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 機器 學習 雷達 抑制 方法 | ||
1.一種基于機器學習的雷達雜波抑制方法，其特征在于，包括以下步驟：
(1)將通過生成對抗網絡產生的包含雜波和目標的數據集作為輸入數據，并對輸入數據作歸一化處理；
(2)選取合適特征，構建特征向量，并對其進行特征加權；
(3)對步驟(2)的特征向量進行快速聚類，將聚為不同類別結果進行評價；
(4)將步驟(3)的評價結果，反饋到步驟(2)，利用梯度下降法直到找到評價指標戴維森保丁指數最優的一組權重和聚類數；
所述步驟(3)包括以下步驟：
(31)基于特征加權的數據點距離計算兩個數據點xi和xj之間的距離dij，并令dji＝dij,i＜j,i,j∈IS：
(32)確定聚類中心并初始化數據點歸類屬性標記具體為：
(33)對于任一數據點xi，選取高斯核的局部密度ρi，對非聚類中心數據點進行歸類，按照局部密度ρ的值從大到小遍歷，ρi計算方式如下：
其中，dc為截斷距離；
(34)nc為cluster的個數，若nc＞1，則將每個cluster中的數據點進一步分為clustercore和cluster halo。
2.根據權利要求1所述的一種基于機器學習的雷達雜波抑制方法，其特征在于，步驟(2)所述特征主要包括距離、方位、俯仰、RCS、速度、差通道能量、保護通道。
3.根據權利要求1所述的一種基于機器學習的雷達雜波抑制方法，其特征在于，步驟(2)所述的進行特征加權通過以下公式實現：
其中，xi是第i個數據的m維特征向量，xi＝(xi1,xi2,…xit,…xim),i＝1,2,…,n。
4.根據權利要求1所述的一種基于機器學習的雷達雜波抑制方法，其特征在于，所述步驟(4)所述的戴維森保丁指數計算如下：
其中，||xiWi-xjWj||2對應于簇Ci與簇Cj中心點的距離，avg(C)對應于簇C內樣本間的平均距離，k為類別數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京航空航天大學，未經南京航空航天大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201811471743.1/1.html，轉載請聲明來源鉆瓜專利網。
