[發明專利]一種海面監視雷達雜波智能抑制方法

在審

• 申請號: 202110756212.2
• 申請日: 2021-07-05
• 公開（公告）號: CN113449850A
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 張寅;裴季方;吳澤標;楊宇;霍偉博;黃鈺林;楊建宇;楊海光
• 申請（專利權）人: 電子科技大學
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06K9/62;G06F30/27;G01S7/41
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開一種海面監視雷達雜波智能抑制方法，應用于雷達目標探測領域，針對現有的海面雜波抑制技術難以應對復雜多變的海洋環境的問題；本發明通過構建兩路鏡像對稱的生成對抗網絡，一路學習從原始雜波數據到雜波抑制后數據的映射，另一路反過來學習從雜波抑制后數據到原始雜波數據的映射，將兩類數據集分別輸入兩路GAN，通過兩組生成器和對抗器的相互約束與對雜波抑制前后雷達數據的動態鑒別，最終得到具備海雜波抑制功能的雜波抑制網絡；采用本發明的方法能夠顯著提高目標信雜比并完整保留目標的原始信息。

技術領域

本發明屬于雷達目標探測領域，特別涉及一種雷達海面雜波抑制技術。

背景技術

海面監視雷達，主要用于偵查海上艦船，跟蹤測定海上目標，在軍事和民用上均有著重要的意義。在海面監視雷達對海探測的過程中，回波中不僅包含目標回波，也會包含海洋表面的后向散射回波，亦稱為海雜波。海雜波具有很復雜的動態特性，在對海面目標，尤其是小目標開展檢測的時候，由于目標本身的回波較弱，海雜波的存在會極大地降低目標的檢測信雜比，從而嚴重影響海面監視雷達系統的檢測性能。因此，為了改善海面低可探測目標的檢測性能，必須開展海雜波抑制研究，消除或減弱海雜波的影響。

目前，針對海雜波抑制技術，主要的方法是在時域、頻域、空時聯合域和變換域等上對雷達回波信號進行處理。文獻“HF-over-the-horizon radar ship detection withshort dwells using clutter cancelation.Root,Benjamin T.Radio Science 33.4(1998):1095-1111”提出了海雜波循環對消法，該方法假設海雜波滿足正弦信號模型，每次迭代將最強的單頻分量去除，直到將雜波抑制到噪底水平，此方法需要較強的信雜比，并且目標和雜波多普勒頻率如果過于接近，可能會造成目標被抑制。文獻“一種改進的OTHR自適應海雜波抑制方法.趙志國,陳建文,鮑拯.系統工程與電子技術,2012,34(05):909-914”提出一種改進特征值分解的方法，該方法基于子空間估計，根據雜波在子空間的聚集特性來實現海雜波的抑制，該方法可以在目標與海雜波多普勒頻率差別較大的情況下實現海雜波的抑制，但當兩者頻率接近或者重疊時，目標會被誤消，造成漏警。

上述海雜波抑制方法雖然在特定條件下能夠很好地抑制海雜波，但是其泛化能力較弱，難以應對復雜多變的海洋環境。

發明內容

為解決上述技術問題，本發明提出一種海面監視雷達雜波智能抑制方法，通過設計兩組鏡像對稱的生成對抗網絡(GAN，Generative Adversarial Networks)，利用生成器學習海雜波的變化特性，通過生成對抗網絡中生成器與鑒別器的動態鑒別實現海雜波的抑制。

本發明采用的技術方案為：一種海面監視雷達雜波智能抑制方法，包括：

S1、獲取海面雷達圖像，包括：原始雜波數據與雜波抑制后的數據；

S2、構建兩路鏡像對稱的生成對抗網絡，兩路中的生成器與判別器相互約束；

S3、采用步驟S1中的原始雜波數據與雜波抑制后的數據分別輸入兩路鏡像對稱的生成對抗網絡進行訓練，最終得到海雜波智能抑制網絡。

步驟S2具體為：

構建兩路鏡像對稱的生成對抗網絡，分別記為：第一路生成對抗網絡、第二路生成對抗網絡；第一路生成對抗網絡包括第一生成器、第二生成器與第一判別器；第二路生成對抗網絡包括第三生成器、第四生成器與第二判別器；

第一生成器用于學習原始雜波數據到雜波抑制后的數據的映射關系；使用第二判別器學習雜波抑制后的數據的雷達圖像特征，并對第一生成器的輸出結果進行鑒別；第二生成器用于學習雜波抑制后的數據到原始雜波數據的映射關系；