基于卷积神经网络的序列脉冲抗干扰目标检测方法技术

本发明专利技术提供的一种基于卷积神经网络的序列脉冲抗干扰目标检测方法，通过从雷达系统中获取脉冲序列的回波信号；对回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；对能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；将四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；之后与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。本发明专利技术通过对预处理后数据的波形适应，增加了网络输入信息，同时通过网络提取目标和干扰的特征，可以提高目标检测的精度。

【技术实现步骤摘要】
基于卷积神经网络的序列脉冲抗干扰目标检测方法
本专利技术属于雷达
，具体涉及基于卷积神经网络的序列脉冲抗干扰目标检测方法。
技术介绍
干扰机的工作方式一般包括全脉冲存储转发、短脉冲存储循环转发和间歇采样存储转发。全脉冲存储转发是将采样的整个脉冲信号全部存储，再全部进行转发。该工作方式可以产生一个逼真假目标，相干性极高，由于假目标滞后一个采样脉冲宽度，利用脉冲前沿跟踪技术，假目标很容易被分辨；短脉冲存储循环转发则只采样雷达脉冲始端的一小段，然后对该信号进行多次重复转发，该方式在一定程度改善了假目标滞后问题，但干扰信号相干性变差，一般不能用于干扰脉内具有复杂调制能力的雷达；间歇采样存储转发方式是一种介于全脉冲存储转发与短脉冲存储转发的折中方案，通过交替地存储和转发采样信号，使得假目标可以像短脉冲存储转发干扰一样具有较小的延时时间，转发信号是原信号的多次局部抽样，所以干扰信号和雷达发射的脉冲信号之间具有较强的相干性。当干扰机采取间歇采样存储转发干扰时，由于干扰信号和雷达发射的脉冲信号之间具有较强的相干性，雷达机通过匹配滤波将同时在目标信号位置和干扰信号位置积累出能量，而干扰信号的能量一般要比目标信号的能量高的多，匹配滤波后的间歇采样干扰很可能会覆盖目标，特别是当干扰采取卷积调制处理时，大范围内的多个间隙采样干扰将会淹没目标，使雷达不能有效地滤除干扰，检测出目标位置。周畅，汤子跃，余方利等在文章“基于脉内正交的抗间歇采样转发干扰方法”中设计了一种脉内正交的线性调频相位编码波形，针对间歇采样转发干扰，拆分成不同的子信号，利用其相应匹配滤波器对干扰进行有效侦察识别、干扰对抗。不足之处是只讨论了间歇采样转发干扰占空比小于0.5的条件下抗干扰原理，但实际上的间歇采样转发干扰的占空比随机，其在高占空比情况下的抗干扰效果不明确，因此该方法的应用范围受到限制。杨少奇，田波，周瑞钊在文章“利用时频分析的间歇干扰对抗方法”中针对间歇采样干扰在时域的不连续转发，提取干扰不连续转发信号段进行干扰对抗。但对于高占空比的重复转发干扰，时域不连续转发段信号占比较少，在低信噪比下难以有效对抗。且上述两篇文章均是针对单脉冲回波的抗干扰，而实际中单脉冲回波无法很好的积累目标检测所需的能量。因此，现有技术无法有效去除间歇采样存储转发干扰，导致检测目标的距离单元和多普勒通道的准确性不高。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于卷积神经网络的序列脉冲抗干扰目标检测方法。本专利技术要解决的技术问题通过以下技术方案实现：本专利技术提供的一种基于卷积神经网络的序列脉冲抗干扰目标检测方法，包括：从雷达系统中获取脉冲序列的回波信号；对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；将所述四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；将所述目标在各个距离单元和各个多普勒通道上出现的概率与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。优先的，所述对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的多普勒快时间维度的回波信号包括：步骤21：按照预设的采样时间间隔以及采样点数，对所述脉冲序列的回波信号进行采样处理，得到离散化后的回波信号向量；其中，离散化后的回波信号向量为采样时间间隔为ts，采样点数为NL，xn,l为第n个脉冲序列，第l个采样单元的回波信号数据，N为脉冲序列的回波信号个数，第一维度称为慢时间维，第二维度称为快时间维；步骤22：对所述离散化后的回波信号向量在快时间维度上的多个数值上作快速傅里叶变换，以使所述离散化后的回波信号向量转化至多普勒快时间维度的二维数据；其中，多普勒快时间维度的二维数据为：k＝1,2,…,N，代表第k个多普勒通道，l＝1,2,…,NL，代表第l个采样点对应的回波数值；步骤23：对所述傅里叶变换后得到的二维数据进行归一化处理，得到归一化后的向量：其中，归一化后的向量为：|·|2表示对向量求2范数。优选的，所述对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据包括：步骤31：对所述能量归一化后向量，使用对应的该回波信号所在多普勒通道对应的距离单元的滑窗匹配系数进行处理；步骤32：将处理之后的回波信号与发射信号进行滑窗点乘；步骤33：基于点乘之后的结果，获得四维数据；其中，所述四维数据包括：目标信息和发射波形信息，所述四维分别为多普勒维度、快时间维度、滑窗匹配维度、特征维度。优选的，所述训练好的序列脉冲抗干扰目标检测网络通过如下步骤训练得到：步骤a：获取训练样本集以及初始序列脉冲抗干扰目标检测网络；步骤b：随机初始化所述序列脉冲抗干扰目标检测网络参数，以使该网络参数中的每个元素的随机初始化数值都服从均值为0，方差为0.01的高斯分布；步骤c：针对所述训练样本集中的每个样本，将该样本输入所述初始序列脉冲抗干扰目标检测网络中，获得输出结果；步骤d：基于所述输出结果，确定损失函数；步骤e：更新所述初始序列脉冲抗干扰目标检测网络中的参数；步骤f：重复步骤c-步骤e，直至达到训练截止条件；其中，所述训练截止条件包括所述损失函数小于阈值或者训练次数；步骤g：将达到训练截止条件的初始序列脉冲抗干扰目标检测网络，确定为训练好的序列脉冲抗干扰目标检测网络。优选的，所述初始序列脉冲抗干扰目标检测网络通过如下步骤训练得到：基于目标检测的能量、特征提取需求、维度需求以及数据范围，构建初始的序列脉冲抗干扰目标检测网络；其中，所述序列脉冲抗干扰目标检测网络的前四层为扩展卷积网络、第5至11层为wavenet网络，第13层至15层为普通卷积层，第16层为注意力机制层，第17层为输出层。优选的，所述步骤e包括：通过参数更新公式，更新所述初始序列脉冲抗干扰目标检测网络中的参数；其中，参数更新公式为：其中，θ为更新所述初始序列脉冲抗干扰目标检测网络中的参数；α表示学习率，其为接近于0的正实数，B表示每组样本的个数。优选的，所述损失函数为：L＝-P(Op1/z)log(Op1)-(1-P(Op1/z))log(1-Op1)，其中，Op1为序列脉冲抗干扰目标检测网络输出目标在各个距离单元上出现的概率，z为波形适应处理后的四维数据，P(·)表示概率分布。优选的，所述将所述目标在各个距离单元和各个多普勒通道上出现的概率与检测门限进行比较，确定距离单元上和多普勒通道上是否检测出目标包括：当目标在各个距离单元和各个多普勒通道上出现的概率大于检测门限时，则多普勒本文档来自技高网...

【技术保护点】
1.基于卷积神经网络的序列脉冲抗干扰目标检测方法，其特征在于，包括：/n从雷达系统中获取脉冲序列的回波信号；/n对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；/n对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；/n将所述四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；/n将所述目标在各个距离单元和各个多普勒通道上出现的概率与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。/n

【技术特征摘要】
1.基于卷积神经网络的序列脉冲抗干扰目标检测方法，其特征在于，包括：
从雷达系统中获取脉冲序列的回波信号；
对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的回波信号的向量；
对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据；
将所述四维数据输入至训练好的序列脉冲抗干扰目标检测网络中，获得目标在各个距离单元和各个多普勒通道上出现的概率；
将所述目标在各个距离单元和各个多普勒通道上出现的概率与检测门限进行比较，确定距离单元和多普勒通道上是否检测出目标。


2.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述对所述回波信号依次进行采样离散化、短时傅里叶变换、能量归一化预处理，获得能量归一化后的多普勒快时间维度的回波信号包括：
步骤21：按照预设的采样时间间隔以及采样点数，对所述脉冲序列的回波信号进行采样处理，得到离散化后的回波信号向量；
其中，离散化后的回波信号向量为采样时间间隔为ts，采样点数为NL，xn,l为第n个脉冲序列，第l个采样单元的回波信号数据，N为脉冲序列的回波信号个数，第一维度称为慢时间维，第二维度称为快时间维；
步骤22：对所述离散化后的回波信号向量在快时间维度上的多个数值上作快速傅里叶变换，以使所述离散化后的回波信号向量转化至多普勒快时间维度的二维数据；
其中，多普勒快时间维度的二维数据为：k＝1,2,…,N，代表第k个多普勒通道，l＝1,2,…,NL，代表第l个采样点对应的回波数值；
步骤23：对所述傅里叶变换后得到的二维数据进行归一化处理，得到归一化后的向量：
其中，归一化后的向量为：|·|2表示对向量求2范数。


3.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述对所述能量归一化后向量使用滑窗匹配做波形适应，以使回波信号的向量从二维数据转化为四维数据包括：
步骤31：对所述能量归一化后向量，使用对应的该回波信号所在多普勒通道对应的距离单元的滑窗匹配系数进行处理；
步骤32：将处理之后的回波信号与发射信号进行滑窗点乘；
步骤33：基于点乘之后的结果，获得四维数据；
其中，所述四维数据包括：目标信息和发射波形信息，所述四维分别为多普勒维度、快时间维度、滑窗匹配维度、特征维度。


4.根据权利要求1所述的序列脉冲抗干扰目标检测方法，其特征在于，所述训练好的序列脉冲抗干扰目标检测网络通过如下步骤训练得到：

【专利技术属性】
技术研发人员：纠博，张钰，王运旋，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61