公开(公告)号：CN114429156A

公开(公告)日：2022-05-03

申请号：CN202210073080.8

申请日：2022-01-21

Applicant: 西安电子科技大学

Inventor： 张鹏 ,  李亚超 ,  常星烁 ,  王志伟 ,  郭亮 ,  陈洪猛 ,  陶慧斌 ,  苏毅

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种雷达干扰多域特征对抗学习与检测识别方法，解决了雷达信号一维信息信息量不足和准确率依赖于庞大数据集的问题。实现步骤：收集雷达信号；时频分析获取数据集；对无干扰和带干扰的时频数据集样本标注；构建生成器和判别器，组成GAN网络；利用时频数据集对GAN网络训练获取生成图像并筛选用于再训练；GAN网络计算无干扰和有源干扰类型概率；获取检测结果。本发明通过时频分析处理获取雷达信号二维时频信息，通过生成对抗网络训练，大大提高了有无干扰和有源干扰类型检测的准确率，同时通过生成器获取生成图像补充训练集，减小对训练数据数量的需求。用于对雷达信号进行有无干扰检测以及有源干扰类型识别。

公开(公告)号：CN114429156B

公开(公告)日：2023-06-20

申请号：CN202210073080.8

申请日：2022-01-21

Applicant: 西安电子科技大学

Inventor： 张鹏 ,  李亚超 ,  常星烁 ,  王志伟 ,  郭亮 ,  陈洪猛 ,  陶慧斌 ,  苏毅

IPC: G06F18/24 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0475 ,  G06N3/094 ,  G01S7/41

Abstract: 本发明公开一种雷达干扰多域特征对抗学习与检测识别方法，解决了雷达信号一维信息信息量不足和准确率依赖于庞大数据集的问题。实现步骤：收集雷达信号；时频分析获取数据集；对无干扰和带干扰的时频数据集样本标注；构建生成器和判别器，组成GAN网络；利用时频数据集对GAN网络训练获取生成图像并筛选用于再训练；GAN网络计算无干扰和有源干扰类型概率；获取检测结果。本发明通过时频分析处理获取雷达信号二维时频信息，通过生成对抗网络训练，大大提高了有无干扰和有源干扰类型检测的准确率，同时通过生成器获取生成图像补充训练集，减小对训练数据数量的需求。用于对雷达信号进行有无干扰检测以及有源干扰类型识别。