基本信息:
- 专利标题： 一种数据模型双驱动下的海杂波建模与抑制方法
- 申请号：CN202111419764.0 申请日：2021-11-26
- 公开(公告)号：CN114117912A 公开(公告)日：2022-03-01
- 发明人： 陈鹏 , 许震 , 王宗新 , 曹振新
- 申请人： 东南大学
- 申请人地址： 江苏省南京市东南大学路2号
- 专利权人： 东南大学
- 当前专利权人： 东南大学
- 当前专利权人地址： 江苏省南京市东南大学路2号
- 代理机构： 南京瑞弘专利商标事务所
- 代理人： 秦秋星
- 主分类号： G06F30/27
- IPC分类号： G06F30/27 ; G06N3/04 ; G06N3/08
摘要：
本发明公开了一种数据模型双驱动下的海杂波建模与抑制方法，属于雷达与信号处理技术和人工智能技术领域。包括以下步骤：搭建生成对抗网络GAN作为海杂波建模算法的驱动模型，同时采用高斯白噪声数据与海杂波数据作为海杂波建模算法的驱动数据；进行GAN中的生成器和判别器的模型训练；搭建基于卷积神经网络CNN的海杂波抑制模型，并使用GAN模型所生成的数据作为CNN的输入数据集，进行CNN的模型训练；进行模型性能的衡量，采用均方差MSD检验来衡量GAN模型的海杂波建模仿真效果，通过对比使用CNN模型前后的雷达接收信号时频谱，检验CNN模型的海杂波抑制效果。本发明提供的方法，能更有效的进行海杂波的仿真建模，并可以对雷达接收信号中的海杂波分量进行抑制。
IPC结构图谱:
| G06F30/27 | 使用机器学习，例如人工智能，神经网络，支持向量机 |