基于深度学习的高频雷达射频干扰自动识别与抑制

来源：雷达科学与技术杂志2022年第3期北京时间：

作者：东松林，岳显昌，吴雄斌，高玉斌

单位：武汉大学电子信息学院， 湖北武汉 430072

摘要：高频地波雷达的探测性能极易受到射频干扰的影响，当前射频干扰抑制的研究主要是通过人工识别来逐一处理，鲜见实时自动识别与抑制射频干扰的研究。随着深度学习在雷达图像处理方面应用的展开，本文尝试将其引入高频雷达射频干扰抑制中，利用YOLO (You Only Look Once)模型来识别雷达距离多普勒谱图中的射频干扰，继而用高阶奇异值分解(Higher Order Singular Value Decomposition, HOSVD)方法对其进行抑制。仿真和实测数据处理结果表明，此YOLO-HOSVD联合算法实现了对高频雷达射频干扰的自动识别与抑制，单场数据处理时间不超过1.8 s。该方法可以应用于高频地波雷达常规海态观测。

关键词：高频地波雷达,射频干扰抑制,YOLO,高阶奇异值分解,深度学习,

基金资助：广东省重点领域研发计划（No.2020B1111020005）； 湖北省重点研发计划项目（No.2020BCA080）； 科技部重点研发计划（No.2016YFC1401101）