[發明專利]基于卷積神經網絡的雷達干擾檢測識別方法

有效

• 申請號: 201911259145.2
• 申請日: 2019-12-10
• 公開（公告）號: CN110927706B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 張偉;劉強;康慧;吳筱諾;李浩;曹建蜀
• 申請（專利權）人: 電子科技大學
• 主分類號: G01S13/00
• 分類號: G01S13/00;G01S7/02;G01S7/36
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 劉方正

1.基于卷積神經網絡的雷達干擾檢測識別方法，其特征在于，包括：

S1、對采集的雷達信號/仿真的雷達信號進行下變頻和降采樣預處理；

S2、采用低頻率分辨率、高時間分辨率的短時傅里葉變換對預處理后信號進行時域變換得到時頻圖像a；

S3、對時頻圖像a依次執行恒虛警檢測和干擾測量，得到干擾信號的時間參數和頻率參數；

S4、根據時間參數，提取采集的雷達信號/仿真的雷達信號中的干擾信號；根據頻率參數，采用帶通濾波器對提取的干擾信號進行濾波處理；

S5、將濾波后的信號采用高頻率分辨率、低時間分辨率的短時傅里葉變換進行時域變換得到時頻圖像b，并對時頻圖像b進行歸一化處理；

S6、采用維納濾波算法對歸一化處理后的時頻圖像b進行平滑處理，之后對平滑處理結果進行自適應裁剪；

S7、采用雙三次插值算法對自適應裁剪后的圖像進行縮放得到識別數據；

S8、將識別數據輸入預訓練CNN模型進行識別，得到干擾信號的類型；

對平滑處理后的時頻圖像b進行自適應裁剪進一步包括：

C1、從頻率維兩端逐列向平滑處理后的時頻圖像b中心搜索，分別找到第一個大于等于的像素值所在列h₁和h₂，為平滑處理后的時頻圖像b中的最大像素值；

C2、從列h₁和h₂分別向兩端逐列搜索找到第一個小于等于的像素值所在的列h₃和h₄，a和b為小于1的系數，且a＞b；

C3、截取列h₃和h₄之間的圖像。

2.根據權利要求1所述的基于卷積神經網絡的雷達干擾檢測識別方法，其特征在于，所述預訓練CNN模型的訓練方法包括：

A1、利用仿真的純干擾信號的頻率參數，并根據預設的頻率參數，采用帶通濾波器對純干擾信號進行濾波處理；

A2、將濾波后的信號采用高頻率分辨率、低時間分辨率的短時傅里葉變換進行時域變換得到時頻圖像c，并對時頻圖像c進行歸一化處理；

A3、采用維納濾波算法對歸一化后的時頻圖像c進行平滑處理，之后對平滑處理結果進行自適應裁剪；

A4、采用雙三次插值算法對自適應裁剪后的圖像進行縮放得到訓練數據；

A5、重復步驟A1至步驟A4得到設定數量的訓練數據，并將所有訓練數據送入CNN模型進行訓練，得到識別干擾信號類別的預訓練CNN模型。

3.根據權利要求1所述的基于卷積神經網絡的雷達干擾檢測識別方法，其特征在于，對時頻圖像a執行恒虛警檢測的方法包括：

S311、采用順序滑窗向平方律檢波器中輸入時頻圖像a中未選取的前n個數據，并將輸出值按大小進行排序；

S312、選取第k個數據的輸出值與門限因子d相乘作為判決閾值，將輸出值與判據閾值的差異大于設定門限的數據標記為干擾信號，其余標記為背景信號，按照時頻圖像a中數據原始順序重置標記順序；

S313、判斷時頻圖像a中的所有數據是否都進行標記，若是，完成檢測，否則，返回步驟S311。