公开(公告)号：CN113759336A

公开(公告)日：2021-12-07

申请号：CN202111008808.0

申请日：2021-08-31

Applicant: 东南大学 ,  南京步微通信设备有限公司

Inventor： 陈鹏 ,  许震 ,  王宗新 ,  曹振新 ,  伍原成

IPC: G01S7/41

Abstract: 本发明公开了一种图特征学习下的海杂波抑制方法，属于雷达与信号处理技术和人工智能技术领域。本发明包括以下步骤：对海洋雷达的接收信号系统模型进行搭建，分为目标回波信号和海杂波信号；构建雷达接收信号系统模型的时频谱；构建处理时频谱的图特征学习算法，采用图嵌入算法对时频谱进行图构造，生成对应的图，再使用节点分类算法对图的节点集合进行节点分类；构建性能表征指标，分类算法性能指标用于度量图中节点的分类效果，信杂比改善指标用于度量海杂波的抑制效果；对雷达接收信号中的目标回波信号和海杂波信号进行有效分类，抑制其中的海杂波信号。本发明提供的方法，能更有效的对海洋雷达的接收信号系统中的海杂波信号分量进行有效抑制。

公开(公告)号：CN113759336B

公开(公告)日：2024-04-30

申请号：CN202111008808.0

申请日：2021-08-31

Applicant: 东南大学 ,  南京步微通信设备有限公司

Inventor： 陈鹏 ,  许震 ,  王宗新 ,  曹振新 ,  伍原成

IPC: G01S7/41

Abstract: 本发明公开了一种图特征学习下的海杂波抑制方法，属于雷达与信号处理技术和人工智能技术领域。本发明包括以下步骤：对海洋雷达的接收信号系统模型进行搭建，分为目标回波信号和海杂波信号；构建雷达接收信号系统模型的时频谱；构建处理时频谱的图特征学习算法，采用图嵌入算法对时频谱进行图构造，生成对应的图，再使用节点分类算法对图的节点集合进行节点分类；构建性能表征指标，分类算法性能指标用于度量图中节点的分类效果，信杂比改善指标用于度量海杂波的抑制效果；对雷达接收信号中的目标回波信号和海杂波信号进行有效分类，抑制其中的海杂波信号。本发明提供的方法，能更有效的对海洋雷达的接收信号系统中的海杂波信号分量进行有效抑制。

公开(公告)号：CN114117912B

公开(公告)日：2025-05-16

申请号：CN202111419764.0

申请日：2021-11-26

Applicant: 东南大学

Inventor： 陈鹏 ,  许震 ,  王宗新 ,  曹振新

IPC: G06F30/27 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/084 ,  G06N3/044

Abstract: 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。

公开(公告)号：CN114117912A

公开(公告)日：2022-03-01

申请号：CN202111419764.0

申请日：2021-11-26

Applicant: 东南大学

Inventor： 陈鹏 ,  许震 ,  王宗新 ,  曹振新

IPC: G06F30/27 ,  G06N3/04 ,  G06N3/08

Abstract: 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。