[发明专利]基于深度学习的机载雷达非均匀杂波抑制方法

权利要求书

1.一种基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：所述的方法包括步骤如下：

S1：构建机载雷达阵元级杂波模型，通过结合各类非理想因素进行仿真，生成各距离门空时数据集和杂波协方差矩阵数据集；

S2：利用待检测距离门相邻的n₁份距离门数据作为训练样本，生成初始最小方差无失真响应MVDR谱集合；同时求取待检测距离门对应的杂波协方差矩阵生成最小方差无失真响应MVDR谱集合；

S3：构建深度神经网络，将步骤S2得到的初始MVDR谱集合作为神经网络输入数据集，将杂波协方差矩阵生成的MVDR谱集合作为神经网络输出数据集，对深度神经网络进行训练直至收敛；

S4：机载雷达对接收到的实际观测数据集进行模数转换，然后将模数转换后的待检测距离门相邻n₂份距离门数据估计得到杂波MVDR空时谱，并输入训练好的深度神经网络进行处理，得到空时二维杂波谱；

S5：利用空时二维杂波谱和空时导向字典重构待检测距离门数据的杂波协方差矩阵，并结合已知的目标空时导向矢量计算得到空时自适应权值，实现对机载雷达待检测距离门数据进行杂波抑制和目标积累处理；

S6：对抑制杂波和积累目标处理后的数据进行恒虚警处理，完成对运动目标的检测；

所述的MVDR空时谱的计算公式为：

其中，R为杂波协方差矩阵，Φ为空时导向字典，具体定义为：

其中，v为空时二维导向矢量，f_s表示归一化空间频率，f_d表示为归一化多普勒频率，N_s表示空间频率划分的份数，N_d表示多普勒频率划分的份数。

2.根据权利要求1所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：所述的非理想因素包括但不限于空域误差、杂波起伏和偏航角。

3.根据权利要求2所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：所述的空域误差考虑阵元幅相误差满足复高斯分布，其方差选择从0至0.05，间隔0.002；杂波起伏导致的时域去相关服从高斯分布，其风速标准差从0至0.1，间隔0.01；载机偏航角范围设定为0°至5°，间隔0.2°。

4.根据权利要求1所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：求取MVDR空时谱时，将空间频率划分为空域阵元数的4～5倍，将多普勒频率划分为时域脉冲数的4～5倍。

5.根据权利要求4所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：所述的深度神经网络采用卷积神经网络。

6.根据权利要求5所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：步骤S4中，n₂取3～6，即取待检测距离门相邻3～6个距离门数据作为训练样本估计得到杂波MVDR空时谱。

7.根据权利要求6所述的基于深度学习的机载雷达非均匀杂波抑制方法，其特征在于：所述的空时自适应权值的计算公式如下：

W＝μR^-1S

其中，为归一化常数，S表示目标空时导向矢量；S^H目标空时导向矢量共轭转置；

将空时自适应权值作用于待检测距离门数据进行杂波抑制和目标积累。