公开(公告)号：CN116299219B

公开(公告)日：2023-08-01

申请号：CN202310562271.5

申请日：2023-05-18

Applicant: 西安电子科技大学

Inventor： 李亚超 ,  韩朝赟 ,  顾彤 ,  邵学辉 ,  钟都都

IPC: G01S7/36 ,  G01S7/02 ,  G01S7/41 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种干扰深度特征距离度量联合检测与抑制方法，包括：构建包括级联的特征提取网络和辅助训练网络的轻量级卷积神经网络模型；其中，特征提取网络由2个级联的卷积层构成，辅助训练网络由级联的1个转置卷积层和1个卷积层构成；利用训练数据集对轻量级卷积神经网络模型进行训练得到训练好的轻量级卷积神经网络模型；其中，训练过程中，构建特征超球面，将提取的所有特征向量约束分布于特征超球面内；修改特征提取网络中第二个卷积层的步长；利用修改后的特征提取网络计算干扰掩膜阈值；利用修改后的特征提取网络和干扰掩膜阈值对待处理的二维SAR回波信号进行干扰检测与抑制处理。本发明在网络特征级完成对干扰的检测与抑制。

公开(公告)号：CN116299219A

公开(公告)日：2023-06-23

申请号：CN202310562271.5

申请日：2023-05-18

Applicant: 西安电子科技大学

Inventor： 李亚超 ,  韩朝赟 ,  顾彤 ,  邵学辉 ,  钟都都

IPC: G01S7/36 ,  G01S7/02 ,  G01S7/41 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种干扰深度特征距离度量联合检测与抑制方法，包括：构建包括级联的特征提取网络和辅助训练网络的轻量级卷积神经网络模型；其中，特征提取网络由2个级联的卷积层构成，辅助训练网络由级联的1个转置卷积层和1个卷积层构成；利用训练数据集对轻量级卷积神经网络模型进行训练得到训练好的轻量级卷积神经网络模型；其中，训练过程中，构建特征超球面，将提取的所有特征向量约束分布于特征超球面内；修改特征提取网络中第二个卷积层的步长；利用修改后的特征提取网络计算干扰掩膜阈值；利用修改后的特征提取网络和干扰掩膜阈值对待处理的二维SAR回波信号进行干扰检测与抑制处理。本发明在网络特征级完成对干扰的检测与抑制。

公开(公告)号：CN116540190A

公开(公告)日：2023-08-04

申请号：CN202310824849.X

申请日：2023-07-06

Applicant: 西安电子科技大学

Inventor： 李亚超 ,  宫竹后 ,  王义涛 ,  顾彤 ,  张彬 ,  钟都都 ,  张伟科

IPC: G01S7/36 ,  G01S7/02 ,  G06F17/14 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种端到端的自监督智能干扰抑制方法、装置及电子设备，该方法包括：获取待处理的第一雷达回波数据并进行短时傅里叶变换，得到第一时频谱数据后，将其输入干扰抑制网络；干扰抑制网络包括第一子网络和第二子网络，其中，第一子网络包括第一卷积层、第二卷积层和DropBlock层；根据第二卷积层输出的第一特征图，利用DropBlock层检测是否存在干扰，并于存在干扰时进行干扰抑制，输出干扰抑制结果图；将干扰抑制结果图输入第二子网络，得到抗干扰处理后的第一时频谱数据，并计算抗干扰处理后的第一雷达回波数据。本发明通过一次神经网络运算“端到端”的完成干扰检测、抑制和修复，提升了处理效率。