[發明專利]基于卷積去噪自編碼的微波雷達海雜波抑制方法及系統

在審

• 申請號: 202111273905.2
• 申請日: 2021-10-29
• 公開（公告）號: CN114019461A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 陳澤宗;吳思滔;趙晨;魏鋆宇
• 申請（專利權）人: 武漢大學
• 主分類號: G01S7/36
• 分類號: G01S7/36;G01S7/41;G06N3/04;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 嚴彥

1.一種基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于，包括以下步驟：

1)選取微波雷達實驗雷達目標回波脈沖串數據作為基準回波，并作補零圖像化處理；

2)建立海雜波的時域去相關模型；根據回波基準數據建立目標加雜波的豐富信雜比的序列模型，并作圖像化處理；

3)利用卷積去噪自編碼器和Inception網絡，建立基于深度卷積去噪自編碼器的雷達海雜波抑制神經網絡模型RCSCDAE；

4)訓練RCSCDAE神經網絡基函數的中心值、方差以及隱含層到輸出層的權值；

5)利用RCSCDAE神經網絡抑制海雜波，恢復目標信號。

2.根據權利要求1所述的基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于：所述步驟2中的微波雷達實驗雷達目標回波脈沖串數據，定義雷達寬帶為B，則雷達距離分辨率為Δr＝c/2B，其中c是光速；沿雷達探測目標的視線方向，被探測目標近似表達成一定數目的距離單元，寬帶為Δr，其中第i個距離單元的回波，為該距離單元內所有散射中心對應回波的疊加，將模型公式化為：

式中，

N_i表示位于第i個距離元中的目標散射中心數目；

a_i，k為第i個距離元內第k個散射中心的散射強度，其與目標形狀結構有關；

τ_i，k對應第i個距離元內第k個散射中心的波達時間；

x_i為第i個距離元中的所有目標散射中心回波疊加信號；

j為虛部符號，I(i)為第i個距離元中的所有目標散射中心回波疊加信號實部，Q(i)為第i個距離元中的所有目標散射中心回波疊加信號虛部。

3.根據權利要求1所述的基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于：所述步驟1中的作補零圖像化處理，實現方式為對目標數據取模處理，目標數據定義為：

式中，

n為數據維度，|x₁|，|x₂|，...，|x_n|分別為x₁，x₂，...，x_n的模值，x₁，x₂，...，x_n分別為n個距離元的回波幅度，I(1)，I(2)，...，I(n)分別是雷達回波數據實部信號，Q(1)，Q(2)，...，Q(n)分別是雷達回波數據虛部信號。

4.根據權利要求1所述的基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于：所述步驟2中的建立海雜波的時域去相關模型，采用零記憶非線性變換法實現，包括首先將正態分布的高斯白噪聲序列{x_i}作為線性變換的輸入，輸出符合正態分布高斯色噪聲相關序列{y_i}，再將其作為非線性變換的輸入，得到非高斯色噪聲相關序列{z_i}，用于構造具有特定的概率密度函數PDF和特定功率譜密度PSD的仿真海雜波。

5.根據權利要求1所述的基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于：所述步驟3中，采用去噪自編碼器作為神經網絡的訓練準則，其輸出函數定義為：

式中，

y為去噪自編碼器輸出；

為原始數據x被相應分布海雜波污染的數據；

f_θ()為編碼網絡函數；

g_θ′()為解碼網絡函數；

將去噪自編碼器應用到卷積神經網絡中，得到卷積去噪自編碼器。

6.根據權利要求5所述的基于卷積去噪自編碼的微波雷達海雜波抑制方法，其特征在于：所述步驟3中，卷積去噪自編碼器的各卷積層使用Inception網絡結構。