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：西安电子科技大学

摘要：本发明提供的一种基于循环一致性生成对抗网络的有源欺骗式干扰方法，在雷达距离‑多普勒域通过对雷达目标回波截取、间隔采样、相邻填充等一系列步骤可以生成虚假目标数量更多，干扰强度更强的CI干扰和SMSP干扰信号序列作为判决标准，将不包含干扰的原始回波信号序列作为Cycle‑GAN模型的输入。Cycle‑GAN模型由一对GAN模型构成循环训练模型，可以实现在不降低生成器准确性的基础上提升GAN模型稳定性的效果，并且本发明通过将检测出的虚假目标个数与总目标数进行对比，以确定Cycle‑GAN模型的性能。因此本发明可以增强干扰能量，泛化干扰样式，得到在距离‑多普勒域难以识别的干扰效果。

主权项：1.一种基于循环一致性生成对抗网络的有源欺骗式干扰方法，其特征在于，包括：步骤1：接收雷达发射信号后，返回的不包含干扰的原始回波信号序列；步骤2：对所述原始回波信号序列以间隔采样以及相邻填充的方式，生成CI干扰信号序列和SMSP干扰信号序列；步骤3：将所述原始回波信号序列输入至Cycle-GAN模型的生成器中，以添加所述CI干扰信号序列和SMSP干扰信号序列的信号序列作为判决器判决标准，对生成器生成的干扰信号进行判断，并以损失函数减少的方式调整生成器的内部参数，直至通过判决器的判决，得到训练好的Cycle-GAN模型；步骤4：设定多个真实目标，以实时方式发射信号接受多个真实目标反馈的实时回波信号；步骤5：将实时回波信号输入至训练好的Cycle-GAN模型，以输出携带干扰的回波信号；步骤6：按照信号的幅值，划定携带干扰的回波信号的波门，以检测是否存在目标以及目标个数；步骤7：将检测出的目标个数与真实目标进行对比，以确定Cycle-GAN模型的性能；所述步骤3包括：将所述原始回波信号序列输入至Cycle-GAN模型的生成器中，以所述CI干扰信号序列和SMSP干扰信号序列作为目标序列，通过不断训练将原始回波信号序列朝着受干扰后的信号序列方向生成，以使生成器不断生成带干扰信号的样本，通过判决器对带干扰信号的样本判决，得到判决分数反馈给生成器，以使生成器再通过反馈的判决分数去调整参数，训练样本逐渐靠近添加目标序列的信号序列，直到判决器难以辨别生成器产生信号序列真伪时，整个训练过程结束，得到训练好的Cycle-GAN模型。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于循环一致性生成对抗网络的有源欺骗式干扰方法