[发明专利]雷达间断干扰抑制门限计算方法及装置

权利要求书

1.一种雷达间断干扰抑制门限计算方法，其特征在于，包括：

根据获取的雷达间断干扰数据生成特征向量；

根据卷积神经网络构建干扰抑制门限计算模型；

根据所述特征向量对所述干扰抑制门限计算模型进行训练；

根据训练后的所述干扰抑制门限计算模型计算雷达的干扰抑制门限值；

其中，所述干扰抑制门限计算模型包括输入层、n个卷积层、n个降采样层和全连接层，n个所述卷积层和n个所述降采样层交替连接，n≥2。

2.根据权利要求1所述的雷达间断干扰抑制门限计算方法，其特征在于，根据所述特征向量对所述干扰抑制门限计算模型进行训练之前，还包括：

补全所述特征向量中缺失的数据，对补全后的所述特征向量进行归一化处理。

3.根据权利要求2所述的雷达间断干扰抑制门限计算方法，其特征在于，补全所述特征向量中缺失的数据，具体包括：

获取所述缺失的数据所在维度的特征向量的平均值；

用所述平均值补全所述缺失的数据。

4.根据权利要求2所述的雷达间断干扰抑制门限计算方法，其特征在于，根据以下公式对补全后的所述特征向量进行归一化处理：

其中，x_ij为第j个样本的第i个特征向量，x_maxi为第i个特征向量的最大值，x_mini为第i个特征向量的最小值，i＝1，2，…，h，h为特征向量的数量，j＝1，2，…，k，k为样本的数量。

5.根据权利要求1至4中任一项所述的雷达间断干扰抑制门限计算方法，其特征在于，根据所述特征向量对所述干扰抑制门限计算模型进行训练，具体包括：

根据所述特征向量对所述卷积神经网络的超参数进行训练优化，直到所述超参数收敛。

6.根据权利要求5所述的雷达间断干扰抑制门限计算方法，其特征在于，所述超参数包括：模型结构、训练过程中的分块大小和循环次数。

7.根据权利要求5所述的雷达间断干扰抑制门限计算方法，其特征在于，根据所述特征向量对所述卷积神经网络的超参数进行训练优化，直到所述超参数收敛，具体包括：

设置每种所述超参数的取值范围；

对每种所述超参数进行组合，建立多个预测模型；

在所述取值范围内，计算每个所述预测模型的预测误差；

将预测误差最小的预测模型作为训练后的干扰抑制门限计算模型，训练后的所述干扰抑制门限计算模型中的超参数收敛。

8.根据权利要求7所述的雷达间断干扰抑制门限计算方法，其特征在于，计算每个所述预测模型的预测误差，具体包括：

将所述特征向量输入到第m个预测模型中，分别得到每个特征向量对应的干扰抑制门限的计算值；

分别计算每个特征向量的干扰抑制门限的计算值与实际值的差值，对得到的差值取平均值，得到第m个预测模型的预测误差；

其中，m＝1，2，3，…，M，M为所述预测模型的数量。

9.一种存储介质，其特征在于，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如权利要求1至8中任一项所述的雷达间断干扰抑制门限计算方法。

10.一种雷达间断干扰抑制门限计算装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如权利要求1至8中任一项所述的雷达间断干扰抑制门限计算方法。