摘要
本发明公开了一种基于深度学习的智能外辐射源雷达目标检测方法。方法如下:获取外辐射源雷达系统单接收站上多个阵元的两种假设形式下的接收信号;分别计算两种假设形式下接收信号的协方差矩阵并分割训练集和验证集;构建多尺度卷积网络模型;用训练集中两种假设形式下的输入样本训练多尺度卷积网络模型,得到应用于外辐射源雷达目标检测的神经网络模型;将验证集中无目标回波假设形式下的输入样本送入神经网络模型,基于虚警概率得到目标检测阈值;用验证集中有目标回波假设形式下的输入样本送至神经网络模型,利用神经网络模型和目标检测阈值输出目标检测结果。本发明无需对接收信号未知参数迭代估计,大幅简化信号处理流程,减少计算资源消耗。
技术关键词
卷积网络模型
回波
外辐射源雷达系统
协方差矩阵
虚警概率
样本
非合作辐射源
卷积模块
数据处理模块
卷积神经网络模型
信号
多尺度
检测多普勒频率
数据获取模块
多头注意力机制
代表
系统为您推荐了相关专利信息
方位估计方法
波束
水听器阵列
协方差矩阵
平面波
时序特征
编码向量
状态更新
分析方法
语义关联度
智能摄像机
地理围栏区域
轨迹
闭环控制
RNN模型