基于深度学习模型的SAR图像间歇采样转发干扰检测

摘要：

间歇采样转发干扰(interrupted sampling repeater jamming,ISRJ)利用合成孔径雷达的匹配滤波特性,在其图像中产生间隔分布的假目标,对目标检测等造成欺骗效果,故针对ISRJ的检测与抑制具有重大意义,而现阶段相关研究主要集中在信号域.对此,在图像域中开展ISRJ检测研究.首先将实测数据与仿真干扰相结合,基于不同实测场景与仿真参数构建ISRJ样本;其次针对假目标间隔分布的特点,选用深度学习检测领域具有代表性的"两阶段"与"单阶段"模型;再次,使用单一场景的ISRJ样本对模型进行训练,再利用训练好的模型对其他场景的样本进行测试;最终,得到ISRJ检测结果.基于MiniSAR数据的实验表明,对于不同类别、不同场景以及不同参数的ISRJ样本,所用深度学习模型能够达到95.75％的平均总体检测精度,具有很强的泛化能力.此外,对于尺寸大小为501像素×501像素的样本,上述模型的最少检测用时为0.035 s.

关键词：合成孔径雷达、间歇采样转发干扰、干扰检测、深度学习模型

所属期刊栏目：45

分类号：TN974

资助基金：国家自然科学基金;湖南省自然科学基金项目;湖湘青年英才项目

在线出版日期：2023-11-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3465-3473