基于深度CNN模型的SAR图像有源干扰类型识别方法

扫码查看

原文链接

NETL

中文摘要：合成孔径雷达(SAR)能够全天时全天候获取感兴趣区域的高分辨率雷达图像,在诸多领域获得了成功应用.在电子对抗博弈环境下,SAR图像解译与情报生成也面临复杂电磁干扰的严重影响.当前,国内外学者提出了许多SAR抗干扰技术方法.然而,作为抗干扰的前提,SAR图像干扰类型识别这一关键技术却鲜有报道.该文针对SAR图像典型有源干扰类型识别开展研究.首先,选取5种典型有源干扰样式,并根据干扰参数,细分为9种干扰类型,作为干扰识别对象.其次,开展干扰信号回波仿真,通过与MiniSAR实测数据进行回波域叠加和成像处理,构建了典型有源干扰类型样本集.在此基础上,提出了一种结合注意力机制的深度卷积神经网络(CNN)模型,并开展了对比实验验证.实验表明,对不同场景和不同干扰参数情形,相比于传统深度CNN模型,该文方法取得了更高的识别精度和更稳健的性能.

作者：

CHEN Siwei、陈思伟、CUI Xingchao、崔兴超、LI Mingdian、李铭典、TAO Chensong、陶臣嵩、LI Haoliang、李郝亮

展开 >

作者单位：

国防科技大学电子科学学院电子信息系统复杂电磁环境效应国家重点实验室长沙 410073

关键词：

合成孔径雷达有源干扰深度卷积神经网络注意力机制

主办单位：

中国科学院空天信息创新研究院雷达学报

会议名称：

《雷达学报》创刊10周年学术研讨会

会议时间：

2023-02-07

会议地点：

线上

会议母体文献：

《雷达学报》创刊10周年学术研讨会论文集

页码：

897-908

出版时间：

2023