[发明专利]一种基于双阶段UNet的遮蔽式箔条干扰抑制方法

权利要求书

1.一种基于双阶段UNet的遮蔽式箔条干扰抑制方法，其特征在于，包括如下步骤：

S1、使用宽带极化雷达采集冲淡式箔条干扰下的目标回波和遮蔽式箔条干扰下的目标回波并记录采集数据时目标的位置、角度和速度信息，得到带真实信息的冲淡式箔条干扰下的目标回波和遮蔽式箔条干扰下的目标回波；

S2、将S1得到的带真实信息的冲淡式箔条干扰下的目标回波进行脉冲压缩和归一化，得到目标距离像序列灰度图和箔条干扰距离像序列灰度图；将S1得到的带真实信息的遮蔽式箔条干扰下的目标回波进行脉冲压缩和归一化，得到目标和箔条干扰混合的距离像序列灰度图；

S3、将S2得到的目标距离像序列灰度图和箔条干扰距离像序列灰度图用于构造伪实测数据，得到目标距离像序列真值图、箔条干扰距离像序列真值图、伪实测的目标和箔条干扰混合的距离像序列灰度图和分割真值图；

S4、构建基于双阶段UNet的箔条干扰抑制网络；

所述基于双阶段UNet的箔条干扰抑制网络由两个UNet级联构成，称为第一阶段UNet和第二阶段UNet；

在训练或验证时，所述基于双阶段UNet的箔条干扰抑制网络的输入图像为伪实测的目标和箔条干扰混合的距离像序列灰度图；在测试时，所述基于双阶段UNet的箔条干扰抑制网络的输入图像为目标和箔条干扰混合的距离像序列灰度图；

所述第一阶段UNet对输入图像进行分割目标前景与背景，得到分割结果；

所述分割结果的标签，即分割标签，为分割真值图；

所述第二阶段UNet将所述第一阶段UNet的分割结果与第一阶段UNet的输入图像点乘的结果作为第二阶段UNet的输入图像并对其进行处理，得到抑制结果，所述抑制结果是对第二阶段UNet的输入图像中的目标幅度信息进行恢复的结果；

所述抑制结果的标签，即抑制标签，为目标距离像序列真值图；

所述基于双阶段UNet的箔条干扰抑制网络的输入图像、分割结果、分割标签、抑制结果、抑制标签的尺寸一样；

S5、构造基于双阶段UNet的箔条干扰抑制网络的损失函数；

S5所述损失函数的计算公式为：

L＝aL_cel+bL_dice+cL_smooth (1)

其中，L_cel,L_dice,L_smooth分别为第一阶段UNet使用的交叉熵损失、Dice损失和第二阶段UNet使用的平滑L1损失；a为交叉熵损失的权重；b为Dice损失的权重；c为平滑L1损失的权重；

所述第一阶段UNet使用的交叉熵损失定义为：

N是一个批次输入图像的像素点数，n为像素点序号；M代表像素类别数，在箔条干扰抑制场景中，只有目标前景和背景两类，因此M＝2，m为类别序号，m＝1表示类别为目标前景，m＝2表示类别为背景；是输入图像的像素点n的类别标签，表示输入图像的像素点n不属于类别m，表示输入图像的像素点n属于类别m；表示预测输入图像的像素点n属于类别m的概率；

所述Dice损失的计算公式为：

其中，P表示分割结果，G表示分割标签，|G∩P|是分割结果与分割标签对应像素点乘的结果之和，|G|和|P|分别为分割标签和分割结果的所有元素之和；所述Dice损失的范围在[0,1]之间，为分割结果区域和分割标签区域间的非重叠部分的概率；

所述第二阶段UNet使用平滑L1损失L_smooth为像素点的绝对误差的均值；

S6、模型调优：使用网格搜索法得到最优超参数的基于双阶段UNet的箔条干扰抑制网络；

S7、网络训练：使用RMSprop优化算法对S6得到的最优超参数的基于双阶段UNet的箔条干扰抑制网络的参数进行更新，使得S5构造基于双阶段UNet的箔条干扰抑制网络的损失函数的值最小，得到最优的基于双阶段UNet的箔条干扰抑制网络；

S8、网络测试：将S2得到的目标和箔条干扰混合的距离像序列灰度图输入S7得到的最优的基于双阶段UNet的箔条干扰抑制网络进行测试，得到分割结果和抑制结果。

2.根据权利要求1所述的遮蔽式箔条干扰抑制方法，其特征在于，S2所述目标距离像序列灰度图、所述箔条干扰距离像序列灰度图和所述目标和箔条干扰混合的距离像序列灰度图均包括X个距离分辨单元；所述X即采样点的个数。