[发明专利]基于生成对抗网络的认知抗干扰目标检测方法

说明书

本发明公开了一种基于生成对抗网络的认知抗干扰目标检测方法，包括以下步骤：构建生成对抗网络；利用原始小样本集生成目标数据集和干扰数据集；利用所述目标数据集和干扰数据集分别训练所述生成对抗网络，得到新回波样本；构建抗干扰检测网络；利用新回波样本训练所述抗干扰检测网络；利用训练好的抗干扰检测网络进行目标检测和干扰抑制。本发明提供通过生成对抗网络模型直接从原始小样本集中学习数据的分布规律，克服了现有的检测模型在缺乏训练数据时泛化性能不足的问题，使得该方法在小样本条件下具有更好、更稳健的抗干扰检测性能。

技术领域

本发明属于雷达抗干扰技术领域，具体涉及一种基于生成对抗网络的认知抗干扰目标检测方法。

背景技术

雷达抗干扰目标检测的主要任务是在复杂的干扰场景下，完成对目标的正常探测。随着雷达所处电磁环境的日益恶化，传统的雷达抗干扰处理过程存在工作模式不灵活、自动化程度低、适应能力较差等问题，无法满足雷达目标检测的要求。

近年来随着深度学习算法研究发展迅速，利用相关算法来处理雷达抗干扰检测问题成为可能。目前，已经存有利用深度学习技术进行雷达目标检测的方法。梁思远在其发表的论文《基于深度学习的雷达抗干扰方法研究》中研究了复杂干扰背景下的认知雷达目标检测方法，该方法构建从接收到目标检测的端到端的模型，完成了抗干扰目标检测。

然而，上述方法在训练目标检测模型时需要依赖大规模的样本以准确估计检测模型的参数。而在雷达实际的环境中，数据样本资源往往很匮乏，检测模型无法进行充分训练，导致泛化性能不足，从而使得雷达检测性能严重下降，这极大限制了深度学习技术在雷达抗干扰目标检测方面的应用范围。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于生成对抗网络的认知抗干扰目标检测方法。本发明要解决的技术问题通过以下技术方案实现：

一种基于生成对抗网络的认知抗干扰目标检测方法，包括以下步骤：

S1：构建生成对抗网络；

S2：利用原始小样本集生成目标数据集和干扰数据集；

S3：利用所述目标数据集和所述干扰数据集分别训练所述生成对抗网络，得到新回波样本；

S4：构建抗干扰检测网络；

S5：利用新回波样本训练所述抗干扰检测网络；

S6：利用训练好的抗干扰检测网络进行目标检测和干扰抑制。

在本发明的一个实施例中，步骤S1包括：

1a)搭建一包括生成器和判别器的生成对抗网络结构；

1b)分别设置所述生成器的参数和所述判别器的参数，以完成所述生成对抗网络的构建。

在本发明的一个实施例中，步骤S2包括：

2a)对外场试验过程中收集到的小样本回波数据进行预处理，得到原始样本集；其中，所述原始样本集包括若干目标和干扰混合回波数据；

2b)将所述原始样本集按比例随机划分为两部分，并将一部分放入训练集，另一部分放入测试集，得到原始样本训练集和原始样本测试集；

2c)截取出所述原始样本训练集中的目标回波数据和干扰回波数据，得到目标数据集和干扰数据集。

在本发明的一个实施例中，步骤S3包括：

步骤S3包括：

3a)从100维的随机噪声向量中采样，输入到所述生成器中，得到500维的生成数据样本；

3b)将所述目标数据集和所述500维的生成数据样本依次输入到所述判别器中，分别得到所述生成器的损失函数和所述判别器的损失函数；