基于深度学习的雷达干扰信号分类与抑制方法研究

本文在深度学习方法应用下提出一种雷达干扰信号分类以及抑制方法。首先在卷积神经网络应用下实现对雷达干扰信号的自动分类,分别为卷积层、池化层以及全连接层,训练完成后得到分类模型。基于此实现关于去干扰网络的设计,进而在重构损失函数应用下去干扰信号。完成设计后,进行实验研究,共选取4类干扰信号以及雷达信号,结果显示本文方法在雷达信号分类中的准确率可以达到96.3%,同时能够保留有效信号,信噪比可以提升到5 dB以上,降噪后数据准确率达到98.2%,可见这一方法不但能够实现雷达干扰信号的自动分类,同时也能够产生有效抑制作用,可以取得良好的降噪效果,更有助于实施雷达信号处理。