[发明专利]一种基于深度学习的高海况海杂波抑制方法

权利要求书

1.一种基于深度学习的高海况海杂波抑制方法，其特征在于，包括以下步骤：

S1：获取实测海杂波数据集；

S2：根据所述实测海杂波数据集，获得模拟海杂波数据集和实测高海况海杂波数据集；

S3：将所述模拟海杂波数据集和实测高海况海杂波数据集输入预设的高海况海杂波生成神经网络模型中进行对抗训练，获得一次优化的高海况海杂波生成神经网络模型；

S4：利用所述一次优化的高海况海杂波生成神经网络模型，获得一维高海况海杂波数据集和二维高海况海杂波数据集；

S5：将所述一维高海况海杂波数据集和二维高海况海杂波数据集输入一次优化的高海况海杂波生成神经网络模型中进行对抗训练，获得二次优化的高海况海杂波生成神经网络模型；

S6：获取待抑制的高海况海杂波数据，利用所述二次优化的高海况海杂波生成神经网络模型对待抑制的高海况海杂波数据进行抑制。

2.根据权利要求1所述的一种基于深度学习的高海况海杂波抑制方法，其特征在于，所述步骤S2中，根据所述实测海杂波数据集，获得模拟海杂波数据集和实测高海况海杂波数据集的具体方法为：

S2.1：根据海况等级将所述实测海杂波数据集D划分为实测低海况海杂波数据集D^L和实测高海况海杂波数据集D^H；

S2.2：在实测低海况海杂波数据集D^L上叠加若干种分布的模拟海杂波，获得模拟海杂波数据集D^S。

3.根据权利要求2所述的一种基于深度学习的高海况海杂波抑制方法，其特征在于，所述步骤S3中，所述预设的高海况海杂波生成神经网络模型具体为：

所述预设的高海况海杂波生成神经网络模型包括高海况海杂波生成网络G和高海况海杂波判别网络D；

所述高海况海杂波生成网络G包括依次连接的维度初始化模块、海杂波编码模块、若干个可形变注意力转换模块和海杂波解码模块；

所述维度初始化模块包括依次连接的第一全连接层和第一Reshape层；

所述海杂波编码模块包括依次连接的第一卷积层、第一批归一化层、第一激活层和下采样层；

每个所述可形变注意力转换模块包括依次连接的第一可形变卷积层、第二批归一化层、第二激活层、注意力层、加权乘积点和第一残差加和点；第二激活层的输出端还与加权乘积点的输入端连接，第一可形变卷积层的输入端还与第一残差加和点的输入端连接；

所述海杂波解码模块包括依次连接的上采样层、第三批归一化层、第三激活层、第二卷积层和第四激活层。

所述高海况海杂波判别网络D包括依次连接的若干个海杂波下采样模块、若干个谱归一化卷积模块、若干个可形变卷积模块和海杂波分类模块；

每个所述海杂波下采样模块包括依次连接的第三卷积层、第四批归一化层、第五激活层和第二残差加和点；且第三卷积层的输入端还与第二残差加和点的输入端连接；

所述谱归一化卷积模块包括依次连接的第四卷积层、谱归一化层和第六激活层；

所述可形变卷积模块包括依次连接的第二可形变卷积层和第七激活层；

所述海杂波分类模块包括依次连接的第二Reshape层、第二全连接层和第八激活层。