《雷达学报杂志》发表论文赏析
作者:廖志鹏, 段克清, 何锦浚, 邱梓洲, 王永良
单位:1.中山大学电子与通信工程学院 深圳 518107;2.空军预警学院 武汉 430019;
摘要:在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。
关键词:多模块深度卷积神经网络, 空时自适应处理, 稀疏恢复, 非均匀杂波, 杂波抑制
基金资助:雷达信号处理全国重点实验室支持计划项目(JKW202302)
2024年4期其他文献查阅:
多角度探测模式下结合Hough变换与SVR的墙后目标定位算法
基于变分模态分解与优选的超高分辨ISAR成像微多普勒抑制方法