[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

本發明提出了一種基于卷積去噪自編碼的微波雷達海雜波抑制方法及系統，包括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；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；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；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；利用RCSCDAE神經網絡抑制海雜波，恢復目標信號。本發明采用RCSCDAE神經網絡方法抑制海雜波并重構目標信號，克服現有傳統方法實時性低、目標重構能量損失大等問題，為微波雷達海雜波抑制提供新的技術手段。

技術領域

本發明屬于海雜波抑制技術領域，涉及一種基于卷積去噪自編碼的深度學習網絡模型的微波雷達海雜波抑制技術方案。

背景技術

對于微波雷達，傳統的用于窄帶雷達的動目標顯示(MTI)及動目標檢測(MTD)雜波抑制方法無法解決運動目標和雜波在相干處理期間與可能會出現越距離單元走動，因此不再適用，需要研究新的方法，對微波目標識別雷達而言，不僅需要濾除各信雜比下的雜波，同時要求盡可能保持目標信號特性不被破壞，以便完成后續的識別工作。

非相干雜波抑制方法主要是將同一運動目標經過一定時間間隔反射回來的兩個回波目標信號的瞬時位置進行比較進而區分固定目標與運動信號，但是該方法在運動的海雜波失效。針對目標速度未知時，將圖像處理中用于提取線段的方法Hough變換引入到雷達雜波抑制領域，雖然在低信雜比情況下可以有效的抑制雜波，提高識別率，但是運算量較大，實時性低，難以滿足雷達工程實踐的需要；且目標信號的能量損失較大，對后續識別問題帶來很大難度。

綜上所述，在現有技術中至少存在如下技術問題：目前存在的針對微波雷達在強海雜波區的海雜波抑制效果不理想，運算量大實時性低，無法滿足雷達工程實踐的要求，海雜波抑制后目標的能量損失較大，難以滿足工程實踐后續識別的要求的技術問題。

發明內容

本發明解決的技術問題是：克服現有技術的不足，提出一種基于卷積去噪自編碼的海雜波抑制方案，改善了微波雷達在強海雜波區的海雜波抑制效果；解決了現有技術中的抑制微波雷達海雜波干擾的方法存在運算量大，實時性低，難以滿足雷達工程實踐的要求的問題，實現能自動抑制各信雜比下的海雜波干擾；且海雜波抑制后目標能量損失較少能夠滿足雷達工程實踐后續識別的要求的技術效果。

為解決上述技術問題，本發明提供了一種基于卷積去噪自編碼的微波雷達海雜波抑制方法，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。

而且，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；