公开(公告)号：CN113325375B

公开(公告)日：2022-12-13

申请号：CN202110569844.8

申请日：2021-05-25

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  李小钰 ,  王林森 ,  陈涛 ,  郭立民 ,  赵忠凯 ,  刘鲁涛

IPC: G01S7/38

Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。

公开(公告)号：CN113325375A

公开(公告)日：2021-08-31

申请号：CN202110569844.8

申请日：2021-05-25

Applicant: 哈尔滨工程大学

Inventor： 蒋伊琳 ,  李小钰 ,  王林森 ,  陈涛 ,  郭立民 ,  赵忠凯 ,  刘鲁涛

IPC: G01S7/38

Abstract: 本发明提供一种基于深度神经网络的自适应对消方法，1)定义接收天线接收的信号模型，包括发射信号功率Pf，功率放大器非线性失真函数G[·]以及载波中心频率fc；2)定义非线性功率放大器的模型；3)将目标信号进行非线性建模，使用大量数据对DNN网络进行训练；4)把原参考信号通过训练好的网络后生成的信号作为新参考信号输入自适应滤波器；5)对比自适应滤波器对消前后的信号。本发明利用大量训练先验信息模拟雷达干扰机功率放大器的非线性特性，解决干扰问题，这种方法直接估计信号的幅度，用大量的数据来减少算法步骤。