基于深度神经网络的雷达距离超分辨方法

现有的雷达超分辨算法难以有效地应用于现实场景,为此提出基于深度神经网络(DNN)的调频连续波(FMCW)雷达距离超分辨方法.所提方法通过DNN外推雷达信号的观测时间以提高频域分辨率,进而提高雷达的距离分辨率.为了降低后续DNN的处理复杂度,利用快速傅里叶变换结合离散时间傅里叶变换(FFT+DTFT)算法预处理雷达的中频信号.采用具有非线性拟合能力的DNN对输入信号进行特征提取,预测信号的发展趋势.将预测信号递归输入DNN以不断外推时域信号的长度,对时域外推后的信号进行快速傅里叶变换得到具有高分辨率的距离像.为了排除杂波干扰,对距离像进行恒虚警率(CFAR)检测以有效地提取目标的距离信息.仿真实验结果表明,所提方法可以超越雷达带宽的限制实现距离超分辨.与现有的超分辨方法相比,所提方法具有更小的误差且更适用于处理现实场景中的雷达信号.