《雷达学报杂志》发表论文赏析

基于深度CNN模型的SAR图像有源干扰类型识别方法

来源:雷达学报杂志2022年第5期北京时间:

作者:陈思伟, 崔兴超, 李铭典, 陶臣嵩, 李郝亮

单位:国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室 长沙 410073;

摘要:合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用。在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响。当前,国内外学者提出了许多SAR抗干扰技术方法。然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道。该文针对SAR图像典型有源干扰类型识别开展研究。首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象。其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集。在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证。实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能。

关键词:合成孔径雷达, 有源干扰, 深度学习, 注意力机制, 识别

基金资助:国家自然科学基金(62122091, 61771480),湖南省自然科学基金(2020JJ2034)

2022年5期其他文献查阅:

自动目标识别的工程视角述评

杂波背景下的时距联合检测前聚焦方法研究

空/时对称阵列雷达非高斯杂波背景下多秩距离扩展目标检测方法

面向目标跟踪的机载组网雷达辐射参数与航迹规划联合优化算法

基于STFT谱图滑窗相消的微动杂波去除方法

集中式MIMO雷达研究综述

频控阵雷达技术研究进展综述

基于频率分集阵列的多功能一体化波形设计与信号处理方法

天基预警雷达低自由度STAP方法研究

结合强化学习自适应候选框挑选的SAR目标检测方法

基于深度CNN模型的SAR图像有源干扰类型识别方法

无先验模型复杂结构设施SAR全方位三维成像方法研究

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!