基于稀疏重构和CNN的转发干扰检测方法
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.
转发干扰、稀疏重构、空时自适应处理、卷积神经网络、GoogLeNet
39
TN955
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
109-114