基于稀疏重构和CNN的转发干扰检测方法

Forward interference detection method based on sparse reconstruction and CNN

扫码查看

原文链接

NETL
NSTL
维普
万方数据

中文摘要：针对单个距离环样本未采样到转发干扰,仅稀疏重构了杂波部分而导致机载雷达空时自适应处理性能严重下降的问题,研究对比了两种基于卷积神经网络(CNN)的干扰检测方法.一种基于经典的LeNet-5模型,另一种采用较新的GoogLeNet模型.利用杂波和干扰在角度-多普勒维平面上的不同分布特性,通过对稀疏重构后的空时功率谱进行识别分类,测试结果显示识别准确率可达84％和99.8％.进而仅利用采样到干扰的训练样本,最终稀疏重构出正确的杂波与干扰空时功率谱.仿真结果验证了该方法的有效性.

作者：

周峻、吉丰

展开 >

作者单位：

河海大学计算机与信息学院南京211100

关键词：

转发干扰稀疏重构空时自适应处理卷积神经网络 GoogLeNet

出版年：

2020

DOI：

10.19652/j.cnki.femt.2002193

国外电子测量技术