买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:电子科技大学
摘要:本发明属于毫米波雷达测距技术领域,具体涉及一种基于卷积神经网络的雷达近程测距抗气候干扰的方法。本发明首先利用降雨环境下的回波信号模型,模拟实际的毫米波近程测距复杂环境,生成用于毫米波近程测距智能化抗干扰处理的神经网络训练数据集;然后搭建卷积神经网络初始化模型,利用生成的神经网络训练数据集对初始化模型进行预训练,网络通过学习更新内部网络参数,从而得到预训练后的网络模型;之后利用测试数据集对卷积神经网络再进行测试,根据测试结果评判网络效果,相应的调整网络结构、网络参数,再次对网络进行训练,直到测试结果达到预期目标效果;本发明流程高效化,能有效提升在强降雨环境下的毫米波雷达近程测距抗干扰能力。
主权项:1.基于卷积神经网络的雷达近程测距抗气候干扰的方法,其特征在于,包括以下步骤:S1、构建神经网络训练数据集:利用已有的回波信号模型,生成训练数据,具体包括:S11、基于雷达回波信号模型,使用随机概率模型来描述电磁波的传输过程;S12、基于回波信号模型中的随机变量,采用随机抽样方法,在模拟过程中生成足够多的样本数;S13、利用随机抽样试验模型进行随机抽样试验,确定随机变量,并进行多次重复抽样试验,给出随机解,直至模型收敛;其中,随机变量包括入射波频率、蒙特卡罗光子包个数、大气相对湿度、大气能见度、环境温度、降雨量大小;得到的训练数据包括测试数据集和目标数据集,其中输入数据集是由雷达回波信号模型生成的包含降雨环境干扰的实际回波信号,目标数据集则是由雷达回波信号模型生成的理想回波信号;S2、构建基于卷积神经网络的抗干扰模型;S3、利用目标数据集对抗干扰模型进行训练,得到训练好的抗干扰模型;S4、利用测试数据集对预训练好的卷积神经网络进行测试,具体过程为利用步骤S1中生成的测试数据集,通过对实际回波信号进行快速傅里叶变换,得到定点测距结果,根据所得的定点测距结果,与预期设定的性能指标进行对比,对卷积神经网络进行性能评判,若卷积神经网络性能达到预期目标,则进入S6,否则进入S5;S5、根据测试结果,对卷积神经网络进行优化,通过调整网络结构和网络参数再次构建抗干扰模型后,重新进行S3;S6、将训练好的抗干扰模型用于雷达近程测距。
全文数据:
权利要求:
百度查询: 电子科技大学 基于卷积神经网络的雷达近程测距抗气候干扰的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。