[发明专利]基于深度U-Inception网络的雷达干扰抑制方法

说明书

本发明属于雷达技术领域，具体是涉及一种基于深度U‑Inception网络的雷达干扰抑制方法。本发明采用深度学习的方法，将有干扰的回波信号作为输入数据，无干扰的回波信号作为标签数据，对网络进行训练。网络模型采用U‑Inception网络，通过编码器和解码器两部分结构，使得解码器部分的输入数据由前一层输出和对应编码器部分输出特征图结合组成，结构中若干组跨层特征融合，实现了对信号局部结构和整体结构特征的多尺度提取，进一步提高输出特征对原始信息的表达能力，从而更好的实现干扰滤除的效果。

技术领域

本发明属于雷达技术领域，具体是涉及一种基于深度U-Inception网络的雷达干扰抑制方法。

背景技术

间歇采样重复转发式干扰是指干扰机在截获雷达照射信号之后，通过复制并调制发射一个或多个在幅度、时延、频率和波形构成上存在差异的干扰信号，以虚假目标机制误导雷达的检测和跟踪系统，使雷达获取错误的目标信号，消耗甚至饱和雷达系统资源，扰乱雷达系统的正常工作，大幅降低雷达系统的工作性能。基于DRFM(Digital RadioFrequency Memory) 的干扰机可对雷达发射信号进行精确复制，并释放高保真的相干干扰，使得假目标能获得与真实目标相当的处理增益。还可通过不断重复发射截获的雷达信号，形成大量密集假目标，在欺骗的同时达到压制的效果，使得干扰信号难于抑制。

深度学习以数据为驱动，不需要建立明确的数学模型。将深度学习引入雷达抗干扰信号处理，只需在训练的过程中学习我方雷达信号和干扰信号，深度学习网络可通过高层的特征表示实现对真实目标和干扰目标信号细微差异的自动感知，从而建立对应的干扰抑制模型。

发明内容

本发明的目的是，针对以射频存储转发为基础的间歇采样重复转发式干扰方式，提出一种基于稀疏网络结构的深度学习雷达干扰抑制方法。

本发明的技术方案为：

针对间歇采样重复转发式干扰的雷达干扰抑制方法，包括以下步骤：

S1、获取样本数据：

获取无干扰的目标回波信号和间歇采样重复转发式干扰信号，分为训练集和验证集，设训练集分别包括N₁个无干扰的目标回波信号和间歇采样重复转发式干扰信号，验证集分别包括N₂个无干扰的目标回波信号和间歇采样重复转发式干扰信号，每个样本具有M个采样点；

S2、对样本数据进行预处理：

对步骤S1获得的数据集进行扩充，固定数据维数为1.2*M，将雷达目标无干扰回波数据在[1,1.2*M]的区间上通过随机平移和加权叠加，模拟出不同距离上出现的10个不同强度目标的情况，通过设置信干比，生成样本个数为50*N₁、维度为1.2*M的回波信号和干扰信号混叠的带干扰的目标回波信号，作为训练数据，无干扰的回波信号集合作为标签信号；同理生成样本个数为50*N₂、维度为1.2*M的回波信号和干扰信号混叠的带干扰的目标回波信号，作为验证数据，无干扰的回波信号集合作为标签信号；

S3、构建稀疏型深度网络模型：