基于智能学习的机载海杂波谱参数估计方法

TN957.51; 传统机载雷达海杂波的抑制方法在估计杂波功率谱时存在人工参与度高、误差大等问题,导致环境适应性较差.为此,提出一种基于智能学习的机载海杂波谱参数估计方法,建立基于一维LeNet-5的海杂波训练模型,并将仿真和实测海杂波数据输入训练好的模型后对功率谱的中心和宽度进行估计,进而实现海杂波谱特性的直接感知.实验结果表明,与传统方法相比,文中所提方法具有更高的估计精度以及更好的鲁棒性....

Full description

Saved in:
Bibliographic Details
Published in西北工业大学学报 Vol. 42; no. 3; pp. 446 - 452
Main Authors 范一飞, 王心宝, 粟嘉, 陶明亮, 陈明, 王伶
Format Journal Article
LanguageChinese
Published 西北工业大学电子信息学院,陕西西安 710072%杭州海康威视数字技术股份有限公司,浙江杭州 310051 01.06.2024
Subjects
海杂波
deep learning
参数估计
深度学习
doppler characteristics
parameters estimation
多普勒谱特性
sea clutter
Online AccessGet full text
ISSN1000-2758
DOI10.1051/jnwpu/20244230446

Cover

More Information
Summary:TN957.51; 传统机载雷达海杂波的抑制方法在估计杂波功率谱时存在人工参与度高、误差大等问题,导致环境适应性较差.为此,提出一种基于智能学习的机载海杂波谱参数估计方法,建立基于一维LeNet-5的海杂波训练模型,并将仿真和实测海杂波数据输入训练好的模型后对功率谱的中心和宽度进行估计,进而实现海杂波谱特性的直接感知.实验结果表明,与传统方法相比,文中所提方法具有更高的估计精度以及更好的鲁棒性.
ISSN:1000-2758
DOI:10.1051/jnwpu/20244230446