[發明專利]基于深度學習的機載雷達非均勻雜波抑制方法

有效

• 申請號: 202011340629.2
• 申請日: 2020-11-25
• 公開（公告）號: CN112612006B
• 公開（公告）日: 2023-08-22
• 發明（設計）人: 段克清;李想;楊興家;謝洪途
• 申請（專利權）人: 中山大學
• 主分類號: G01S7/292
• 分類號: G01S7/292;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

1.一種基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：所述的方法包括步驟如下：

S1：構建機載雷達陣元級雜波模型，通過結合各類非理想因素進行仿真，生成各距離門空時數據集和雜波協方差矩陣數據集；

S2：利用待檢測距離門相鄰的n₁份距離門數據作為訓練樣本，生成初始最小方差無失真響應MVDR譜集合；同時求取待檢測距離門對應的雜波協方差矩陣生成最小方差無失真響應MVDR譜集合；

S3：構建深度神經網絡，將步驟S2得到的初始MVDR譜集合作為神經網絡輸入數據集，將雜波協方差矩陣生成的MVDR譜集合作為神經網絡輸出數據集，對深度神經網絡進行訓練直至收斂；

S4：機載雷達對接收到的實際觀測數據集進行模數轉換，然后將模數轉換后的待檢測距離門相鄰n₂份距離門數據估計得到雜波MVDR空時譜，并輸入訓練好的深度神經網絡進行處理，得到空時二維雜波譜；

S5：利用空時二維雜波譜和空時導向字典重構待檢測距離門數據的雜波協方差矩陣，并結合已知的目標空時導向矢量計算得到空時自適應權值，實現對機載雷達待檢測距離門數據進行雜波抑制和目標積累處理；

S6：對抑制雜波和積累目標處理后的數據進行恒虛警處理，完成對運動目標的檢測；

所述的MVDR空時譜的計算公式為：

其中，R為雜波協方差矩陣，Φ為空時導向字典，具體定義為：

其中，v為空時二維導向矢量，f_s表示歸一化空間頻率，f_d表示為歸一化多普勒頻率，N_s表示空間頻率劃分的份數，N_d表示多普勒頻率劃分的份數。

2.根據權利要求1所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：所述的非理想因素包括但不限于空域誤差、雜波起伏和偏航角。

3.根據權利要求2所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：所述的空域誤差考慮陣元幅相誤差滿足復高斯分布，其方差選擇從0至0.05，間隔0.002；雜波起伏導致的時域去相關服從高斯分布，其風速標準差從0至0.1，間隔0.01；載機偏航角范圍設定為0°至5°，間隔0.2°。

4.根據權利要求1所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：求取MVDR空時譜時，將空間頻率劃分為空域陣元數的4～5倍，將多普勒頻率劃分為時域脈沖數的4～5倍。

5.根據權利要求4所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：所述的深度神經網絡采用卷積神經網絡。

6.根據權利要求5所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：步驟S4中，n₂取3～6，即取待檢測距離門相鄰3～6個距離門數據作為訓練樣本估計得到雜波MVDR空時譜。

7.根據權利要求6所述的基于深度學習的機載雷達非均勻雜波抑制方法，其特征在于：所述的空時自適應權值的計算公式如下：

W＝μR^-1S

其中，為歸一化常數，S表示目標空時導向矢量；S^H目標空時導向矢量共軛轉置；

將空時自適應權值作用于待檢測距離門數據進行雜波抑制和目標積累。