基于特征图学习的单通道SAR欺骗干扰识别方法和系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114120118A(43)申请公布日2022.03.01(21)申请号202111411377.2(22)申请日2021.11.25(71)申请人深圳大学地址518060广东省深圳市南山区南海大道3688号(72)发明人黄磊刘欢李凉海张彬赵博司璀琪(74)专利代理机构深圳市君胜知识产权代理事务所(普通合伙)44268代理人朱阳波(51)Int.Cl.G06V20/10(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书9页附图5页(54)发明名称基于特征图学习的单通道SAR欺骗干扰识别方法和系统(57)摘要本发明公开了基于特征图学习的单通道SAR欺骗干扰识别方法和系统，所述方法包括：将回波信号分别进行距离向匹配滤波处理和方位向去斜处理得到真实场景特征和欺骗干扰特征的全部特征；对真实场景特征和欺骗干扰特征进行归一化调整；抑制欺骗干扰特征，增强真实场景特征，得到真实特征；增强欺骗干扰特征，抑制真实场景特征，得到干扰特征；将第一特征通道、第二特征通道和第三特征通道分别进行映射得到RGB图像；将RGB图像输入至神经网络进行训练，并将训练得到的权重用来对干扰目标进行识别。本发明增强了干扰目标的特征，抑制了真实目标信息，使得干扰目标的特征更加明显，最后通过神经网络对干扰目标进行识别，以达到欺骗干扰识别的目的。CN114120118ACN114120118A权利要求书1/3页1.一种基于特征图学习的单通道SAR欺骗干扰识别方法，其特征在于，所述基于特征图学习的单通道SAR欺骗干扰识别方法包括：将接收机接收到的回波信号分别进行距离向匹配滤波处理和方位向去斜处理，得到真实场景特征和欺骗干扰特征的全部特征；对所述真实场景特征和所述欺骗干扰特征进行归一化调整；抑制所述欺骗干扰特征，增强所述真实场景特征，得到真实特征；增强所述欺骗干扰特征，抑制所述真实场景特征，得到干扰特征；将归一化后得到的全部特征乘以第一系数后输入至第一特征通道，将真实特征乘以第二系数后输入至第二特征通道，将干扰特征乘以第三系数后输入至第三特征通道，并将第一特征通道、第二特征通道和第三特征通道分别映射至RGB色彩空间的R、G和B通道，生成RGB图像；将得到的RGB图像输入至神经网络进行训练，并将训练得到的权重用来对干扰目标进行识别。2.根据权利要求1所述的基于特征图学习的单通道SAR欺骗干扰识别方法，其特征在于，所述将接收机接收到的回波信号分别进行距离向匹配滤波处理和方位向去斜处理，得到真实场景和欺骗干扰的全部特征，具体包括：将接收机接收到的回波信号进行距离向匹配滤波处理，再进行傅里叶反变换得到处理后的信号sr(tr,ta)，其中，tr为距离向时间，ta为方位向时间；对sr(tr,ta)进行方位向去斜处理，再进行方位向傅里叶变换后得到信号Sr(tr,fa)，其中，fa为多普勒频率，表达式如下：Sr(tr,fa)＝F{sr(tr,ta)s0(ta)}；其中，s0(ta)为去斜参考信号，F(·)表示傅里叶变换，Sr(tr,fa)表示包含真实场景和欺骗干扰的全部特征。3.根据权利要求2所述的基于特征图学习的单通道SAR欺骗干扰识别方法，其特征在于，所述对所述真实场景特征和所述欺骗干扰特征进行归一化调整，具体包括：对Sr(tr,fa)进行归一化后，表达式如下：其中，abs[·]表示取绝对值，max{·}表示取最大值，STF(tr,fa)表示归一化后包含真实场景和欺骗干扰的全部特征。4.根据权利要求3所述的基于特征图学习的单通道SAR欺骗干扰识别方法，其特征在于，所述抑制所述欺骗干扰特征，增强所述真实场景特征，得到真实特征，具体包括：对经过距离向匹配滤波处理后的回波信号进行方位向去斜处理并加窗，以抑制真实场景特征，表达式如下：SJ(tr,fa)＝F{ω(ta)sr(tr,ta)s0(ta)}；其中，ω(ta)表示矩形窗，去斜参考信号s0(ta)覆盖了所有目标的整个时域分布；抑制欺骗干扰特征，增强真实场景特征后得到真实特征：2CN114120118A权利要求书2/3页其中，α为一个大于0的常数，式中的分子表示为归一化后再取α次幂，SJ(tr,fa)为抑制真实场景后的信号，此时真实场景特征为强特征，欺骗干扰特征为弱特征；当指数α∈(0,1)时，欺骗干扰特征相对被增强，真实场景特征相对被削弱；当α∈(1,+∞)时，真实场景特征相对被增强，欺骗干扰特征相对被削弱；将归一化后的Sr(tr,fa)放入分式的分母中使得真实场景特征得到增强。5.根据权利要求4所述的基于特征图学习的单通道SAR欺骗干扰识别方法，其特征在于，所述增强所述欺骗干扰特征，抑制所述真实场景特征，得到干