基于卷积神经网络的序列脉冲抗干扰目标检测方法.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CN113221631A(43)申请公布日2021.08.06(21)申请号202110304170.9(22)申请日2021.03.22(71)申请人西安电子科技大学地址710000陕西省西安市雁塔区太白南路2号(72)发明人纠博张钰王运旋(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230代理人刘长春(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图2页(54)发明名称基于卷积神经网络的序列脉冲抗干扰目标检测方法(57)摘要本发明提供的一种基于卷积神经网络的序列脉冲抗干扰目标检测方法，通过从雷达系统中获取脉冲序列的回波信号；对回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；对能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；将四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；之后与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。本发明通过对预处理后数据的波形适应，增加了网络输入信息，同时通过网络提取目标和干扰的特征，可以提高目标检测的精度。CN113221631ACN113221631A权利要求书1/2页1.基于卷积神经网络的序列脉冲抗干扰目标检测方法，其特征在于，包括：从雷达系统中获取脉冲序列的回波信号；对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；将所述四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；将所述目标在各个距离单元和各个多普勒通道上出现的概率与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。2.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的多普勒快时间维度的回波信号包括：步骤21：按照预设的采样时间间隔以及采样点数，对所述脉冲序列的回波信号进行采样处理，得到离散化后的回波信号向量；其中，离散化后的回波信号向量为采样时间间隔为ts，采样点数为NL，xn,l为第n个脉冲序列，第l个采样单元的回波信号数据，N为脉冲序列的回波信号个数，第一维度称为慢时间维，第二维度称为快时间维；步骤22：对所述离散化后的回波信号向量在快时间维度上的多个数值上作快速傅里叶变换，以使所述离散化后的回波信号向量转化至多普勒快时间维度的二维数据；其中，多普勒快时间维度的二维数据为：k＝1,2,…,N，代表第k个多普勒通道，l＝1,2,…,NL，代表第l个采样点对应的回波数值；步骤23：对所述傅里叶变换后得到的二维数据进行归一化处理，得到归一化后的向量：其中，归一化后的向量为：|·|2表示对向量求2范数。3.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据包括：步骤31：对所述能量归一化后向量，使用对应的该回波信号所在多普勒通道对应的距离单元的滑窗匹配系数进行处理；步骤32：将处理之后的回波信号与发射信号进行滑窗点乘；步骤33：基于点乘之后的结果，获得四维数据；其中，所述四维数据包括：目标信息和发射波形信息，所述四维分别为多普勒维度、快2CN113221631A权利要求书2/2页时间维度、滑窗匹配维度、特征维度。4.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述训练好的序列脉冲抗干扰目标检测网络通过如下步骤训练得到：步骤a：获取训练样本集以及初始序列脉冲抗干扰目标检测网络；步骤b：随机初始化所述序列脉冲抗干扰目标检测网络参数，以使该网络参数中的每个元素的随机初始化数值都服从均值为0，方差为0.01的高斯分布；步骤c：针对所述训练样本集中的每个样本，将该样本输入所述初始序列脉冲抗干扰目标检测网络中，获得输出结果；步骤d：基于所述输出结果，确定损失函数；步骤e：更新所述初始序列脉冲抗干扰目标检测网络中的参数；步骤f：重复步骤c‑步骤e，直至达到训练截止条件；其中，所述训练截止条件包括所述损失函数小于阈值或者训练次数；步骤g：将达到训练截止条件的初始序列脉冲抗干扰目标检测网络，确定为训练好的序列脉冲抗干扰目标检测网络。5.根据权利要求4所述的序列脉冲抗干扰目标检测方法，其特征在于，所述初始序列脉冲抗干扰目标检测网络