CN114117912B 一种数据模型双驱动下的海杂波建模与抑制方法 （东南大学）_第1页
CN114117912B 一种数据模型双驱动下的海杂波建模与抑制方法 （东南大学）_第2页
CN114117912B 一种数据模型双驱动下的海杂波建模与抑制方法 （东南大学）_第3页
CN114117912B 一种数据模型双驱动下的海杂波建模与抑制方法 （东南大学）_第4页
CN114117912B 一种数据模型双驱动下的海杂波建模与抑制方法 （东南大学）_第5页
已阅读5页，还剩19页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种数据模型双驱动下的海杂波建模与抑本发明公开了一种数据模型双驱动下的海对抗网络GAN作为海杂波建模算法的驱动模型，同时采用高斯白噪声数据与海杂波数据作为海杂波建模算法的驱动数据；进行GAN中的生成器和判别器的模型训练；搭建基于卷积神经网络数据作为CNN的输入数据集，进行CNN的模型训衡量GAN模型的海杂波建模仿真效果，通过对比使用CNN模型前后的雷达接收信号时频谱，检验2随机过程法SIRP法生成的满足K分布的海杂波仿真数据和实测海杂波数据作为海杂波建模yy2.根据权利要求1所述的一种数据模型双驱动下的海杂波建模与抑制方法，其特征在1)将500份满足高斯分布的白噪声样本数据和500份满足K分布的海杂波仿真样本数据4)按照先训练1次判别器，再训练1次生成器的顺33.根据权利要求1所述的一种数据模型双驱动下的海杂波建模与抑制方法，其特征在4.根据权利要求1所述的一种数据模型双驱动下的海杂波建模与抑制方法，其特征在集按照8:2的比例分别构造训练集和测试集，标签设置为每组数据集所对应的多普勒频率5.根据权利要求1所述的一种数据模型双驱动下的海杂波建模与抑制方法，其特征在e4[0003]目前，关于海杂波的研究和分析主要有基于统计分布和物理特性两种分析思5不变随机过程法SIRP法生成的满足K分布的海杂波仿真数据和实测海杂波数据作为海杂波噪声数据、使用球不变随机过程法SIRP法生成的满足K分布的海杂波仿真数据和实测海杂yy[0019]1)将500份满足高斯分布的白噪声样本数据和500份满足K分布的海杂波仿真样本[0020]2)将上述1000份时频谱图像样本混合，并按照8:2的比例分别构造为训练集和测[0025]3)将该数据集作为判别器的输入R，将满足高斯分布的随机序列作为生成器的输6数据集按照8:2的比例分别构造训练集和测试集，标签设置为每组数据集所对应的多普勒7型双驱动下的海杂波建模与抑制方法做进一不变随机过程法SIRP法生成的满足K分布的海杂波仿真数据和实测海杂波数据作为海杂波yy[0059]1)将500份满足高斯分布的白噪声样本数据和500份满足K分布的海杂波仿真样本[0060]2)将上述1000份时频谱图像样本混合，并按照8:2的比例分别构造为训练集和测[0065]3)将该数据集作为判别器的输入R，将满足高斯分布的随机序列作为生成器的输8数据集按照8:2的比例分别构造训练集和测试集，标签设置为每组数据集所对应的多普勒[0078]将本文用于训练GAN的500份实测数据，同时作为基于实测数据的海杂波仿真算[0082]使用本文算法所生成的海杂波数据构造雷达接收信号数据集，对CNN进行仿真训[0083]在完成CNN的网络训练后，输入测试集可以对雷达接收信号时频谱中的海杂波分9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论