基于ResNet车载雷达干扰分类研究

来源：雷达科学与技术杂志2022年第6期北京时间：

作者：蒋留兵，申杰琦，车俐

单位：1. 桂林电子科技大学信息与通信学院， 广西桂林 541004;2. 广西无线宽带通信与信号处理重点实验室, 广西桂林 541004;3. 桂林电子科技大学计算机与信息安全学院, 广西桂林 541004

摘要：随着自动驾驶技术的发展，毫米波雷达成为自动驾驶的一个关键传感器，由于汽车雷达数目增加，雷达与雷达间相互干扰是不可避免的问题，为了减轻雷达间的相互干扰，识别车辆中雷达发射的信号类型是很有必要的。针对不同干扰信号类型，本文提出了一种基于残差神经网络的车载雷达干扰分类的方法，首先建立不同类型的干扰数据模型，生成大量的干扰数据，然后应用残差神经网络对不同类型的干扰进行分类。结果显示，该网络不仅收敛速度快，而且在干扰分类方面取得了很好的效果。

关键词：毫米波雷达,干扰分类,深度学习,残差网络,

基金资助：国家自然科学基金(No.61561010); 广西创新驱动发展专项(No.桂科AA21077008); 广西重点研发计划项目(No.桂科AB18126003,AB18221016)