一种基于深度学习残差网络的模糊函数赋型方法

来源：雷达科学与技术杂志2024年第6期北京时间：

作者：肖相青，王元恺，胡进峰，刘军，钟凯，赵紫薇，李会勇

单位：1. 电子科技大学， 四川成都 611731;2.电子科技大学长三角研究院（衢州）， 浙江衢州 324000;3. 中国电子科技集团公司第四十一研究所， 山东青岛 266555

摘要：基于模糊函数（Ambiguity Function， AF）赋型的恒模波形设计是雷达系统中的一项关键技术。该问题可构造为一个非线性的复四次问题（NP?hard）。现有的方法可分为两类：第一类方法通过松弛方式来求解该问题，但不可避免地会引入近似误差；第二类方法直接求解该问题，但该类方法的参数选取较为困难。我们注意到深度神经网络是一个天然的非线性系统，与上述的非线性问题模型高度契合。因此，本文提出了一种基于深度学习残差网络的方法来对AF赋型，该方法不需要松弛操作以及复杂的参数选取。具体步骤为：1）将该问题转化为一个无约束的相位优化问题；2）将该无约束问题的非凸目标函数构造为网络的损失函数；3）使用残差网络直接优化波形的相位。仿真结果表明，所提方法的信干比（Signal?to?Interference Ratio, SIR）有显著提升并且有着更好的目标探测性能。

关键词：深度学习,模糊函数,残差网络,恒模约束,波形设计,

基金资助：国家自然科学基金（No.62231006）； 国家重点研发计划（No.2023YFF0717400）； 衢州市财政资助科研项目（No.2023D040，2023D009，2022D009，2022D013和2022D033）； 四川省科技计划项目（No：2023YFG0176）