[发明专利]一种基于GAN网络的海杂波样本库构建方法

说明书

本发明属于海杂波样本库构建技术领域，公开了一种基于GAN网络的海杂波样本库构建方法。本发明方法首先利用动态海杂波模拟器输出的不同海情海况下雷达海面回波的大区域精细化动态仿真模拟数据作为初始样本数据集，并构建第一层GAN网络并进行迭代训练，然后基于相同海洋条件下实测海杂波数据对海洋动力过程海杂波数据，再次利用第二层GAN网络进行迭代优化，从而建设高质量的海量海杂波数据样本库。本发明方法实现了通过指定海洋环境参数下海洋动力过程海杂波生成特定海杂波数据的目的，进而有效地解决了目前实测海杂波数据难获取性的问题，为雷达海洋目标探测及海杂波特性研究提供数据支持。

技术领域

本发明属于海杂波样本库构建领域，涉及一种基于GAN网络的海杂波样本库构建方法。

背景技术

雷达回波中的海杂波会严重影响雷达目标检测，尤其是在复杂的海洋环境中，由于海面风力、海面环境湿度、浪涌等多种自然因素的影响，雷达海面回波在雷达接收机中出现严重的多径效应，导致海杂波信号相比其他信号变化复杂、强度高。因此，海杂波特性及建模研究探索性强且难度很大，也是当前雷达海洋目标检测研究的难点和热点问题。

雷达对海上目标探测研究，需要雷达实测数据支持，由于技术保密等原因，大多数雷达实测海杂波实验获取的数据集均未公开，同时实测海杂波数据的获取需耗费大量人力和物力。因此，目前实测海杂波数据存在数量较少及获取受限等技术难题。

在深度学习领域，生成对抗（Generative Adversarial Networks,GAN）网络已成功用于训练数据的数据增强，通过网络模型学习真实海杂波数据的分布可生成与真实海杂波数据分布一致的海杂波数据，通过构建海量样本库为海杂波特性及目标检测研究提供数据支持。

发明内容

针对现有技术中存在的上述技术问题，本发明提出了一种基于GAN网络的海杂波样本库构建方法，该方法基于动态海杂波模拟器输出的不同海情海况下雷达海面回波的大区域精细化动态仿真模拟数据作为初始样本数据集，并通过两层GAN网络进行双重训练，以生成大量同时具有海洋-电磁散射特性、与真实海杂波数据分布相近的海杂波数据。

本发明为了实现上述目的，采用如下技术方案：

一种基于GAN网络的海杂波样本库构建方法，包括如下步骤：

步骤1.采集初始样本数据集，初始样本数据来源于动态海杂波模拟器，利用动态海杂波模拟器生成不同海洋环境参数下的海洋动力过程模拟海杂波数据；

步骤2.从海洋动力过程出发，构建第一层GAN网络，并利用步骤1中动态海杂波模拟器生成的海洋动力过程模拟海杂波数据进行对抗网络生成和鉴别模型训练；

通过第一层GAN网络生成基于海洋-电磁散射特性的海洋动力过程海杂波样本数据；

步骤3.从实测海杂波数据出发，构建第二层GAN网络，利用海洋动力过程海杂波样本数据与相同海洋环境条件下的实测海杂波数据，再次进行对抗网络生成和鉴别模型训练；

通过第二层GAN网络生成符合实际海杂波分布的模拟海杂波样本库。

本发明具有如下优点：

如上所述，本发明述及了一种基于GAN网络的海杂波样本库构建方法，该方法针对实测海杂波数据获取受限，难以得到不同海洋环境参数下海杂波数据的技术问题，提出利用GAN网络生成海杂波数据，通过构建两个具有相同网络结构的GAN网络，以便对海杂波样本进行双重训练，本发明方法首先利用动态海杂波模拟器输出的不同海情海况下雷达海面回波的大区域精细化动态仿真模拟数据作为初始样本数据集，并构建第一层GAN网络并进行迭代训练，然后基于相同海洋条件下实测海杂波数据对海洋动力过程海杂波数据，再次利用第二层GAN网络进行迭代优化，进而建设高质量的海量海杂波数据样本库。本发明方法实现了通过指定海洋环境参数下海洋动力过程海杂波生成特定海杂波数据的目的。

附图说明