一种基于机器学习的微波光子雷达信号欠采样重构方法

本发明属于信息系统技术领域，公开了一种基于机器学习的微波光子雷达信号欠采样重构方法，包括以下步骤：将微波雷达数据仿真生成训练数据；对生成的仿真雷达数据进行预处理，生成训练和测试数据；基于Transformer结构，构建深度学习神经网络进行特征提取映射与预测，得到最终的欠采样模式参数，恢复原始欠采样信号；训练深度学习神经网络；对训练后的深度学习神经网络进行测试。本发明采用上述一种基于机器学习的微波光子雷达信号欠采样重构方法，不仅显著提升了雷达系统的性能和处理效率，还在降低设备成本的同时，实现了对高性能、高精度设备依赖的有效减少。