基于自监督复数域深度学习网络的SAR有源压制干扰抑制方法OACSTPCD
Active Jamming Suppression for SAR Images Based on Self-Supervised Complex-Valued Deep Learning
合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候、高分辨率对地观测的优势,但在成像过程中容易受到电磁干扰,进而严重影响SAR图像的判读与解译.针对复杂对抗环境下的强有源压制干扰问题,本文提出一种基于自监督复数域深度学习的SAR有源压制干扰抑制方法,以及一种新型复数域干扰抑制网络,对权值、激活函数及卷积运算等进行了复数域处理设计,挖掘SAR复数域图像中目标和干扰在幅度和相位两方面的不同信息表征,实现对干扰的抑制.同时本文提出一种自监督训练策略,解决传统网络训练过程严重依赖人工标注样本的问题,其适用于复杂干扰下样本难以标注的应用场景.开展仿真分析与实测数据验证,实验结果表明所提方法可有效地抑制复杂背景下的有源压制干扰,具有自监督智能干扰抑制能力.
化青龙;魏晨曦;张云;张倩;冀振元;姜义成
哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001哈尔滨工业大学电子与信息工程学院,黑龙江哈尔滨 150001
计算机与自动化
合成孔径雷达复数域深度学习自监督干扰抑制压制性干扰
《电子学报》 2023 (4)
基于截获信号多特征融合跟踪的三星定位系统辐射源认知方法研究
965-974,10
国家自然科学基金(No.61201304,No.61201308)
评论