基于深度学习的雷达干扰识别方法研究

针对复杂电磁环境下雷达干扰信号识别问题,从优化卷积神经网络结构的角度出发,本文提出了一种对卷积神经网络结构LeNet-5增加批量归一化层和改变激活函数的方法。该方法能够加速网络收敛,提升网络的学习效率。本文首先建立舰船目标模型,分析了噪声调幅干扰、噪声调频干扰、梳状谱干扰和无干扰的真实目标回波信号在时频域的差异,然后利用四种信号对舰船目标模型生成数据集,最后通过本文所提方法实现雷达干扰的自动识别。仿真结果表明：在全信噪比条件下,本文所提方法对四种信号的识别准确率达到98.1%,表明所提方法有着较好的稳定性和鲁棒性。     

预失真补偿技术在高分辨SAR系统中的应用

分析系统的幅相误差对高分辨SAR成像的影响,在此基础上提出利用预失真补偿技术对发射机的幅相误差进行补偿,给出一种利用FPGA实现预失真补偿的方法,经过飞机挂飞试验,取得高质量、高分辨率的SAR图像,通过试验证明此种补偿方法是可行的、有效的。     

SAR仿真技术

从SAR的回波模拟原理和实际需求出发,提出适合实际应用的基于真实SAR图像数据和方位时域回波生成方法的SAR回波数据模拟技术和半实物仿真方法。该方法能够获得真实可靠的回波数据,并实现对SAR和匹配处理系统的半实物仿真,对实现SAR系统的优化设计和快速测试具有重要意义。