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：南京理工大学

摘要：本发明公开了一种基于深度展开网络的合成孔径雷达SyntheticApertureRadar,SAR射频干扰抑制方法。首先利用基于字典的鲁棒主成分分析Dictionary‑basedRobustPrincipalComponentAnalysis,DRPCA算法对SAR回波信号进行射频干扰抑制，得到雷达回波信号和干扰信号的迭代求解方法；然后采用深度展开网络设计技术对DRPCA算法进行展开，设计出一种结构化的深度神经网络――深度展开DRPCA。该网络将DRPCA中的奇异值阈值收缩算子的阈值、软阈值迭代算子的阈值以及拉格朗日乘子的更新系数分别映射为网络参数，并在不同网络层的连接处加入卷积核，避免了常规DRPCA算法计算复杂度高和收缩系数需要手动调节等问题，是一种高效的SAR信号射频干扰抑制方法。

主权项：1.一种基于深度展开网络的合成孔径雷达射频干扰抑制方法，其特征在于，具体步骤为：对SAR成像系统接收到的基带信号进行采样得到含有目标回波、射频干扰和噪声的回波矩阵；使用DRPCA算法对回波矩阵进行干扰抑制，构造带约束的目标函数，具体方法为：构造RPCA算法的目标函数，具体为： 式中，L为干扰信号矩阵，S为信号矩阵，Y为SAR系统接收信号矩阵，ε为噪声能量阈值；将RPCA算法的目标函数凸松弛为： 其中，||·||*是矩阵核范数，表示矩阵奇异值之和；||·||1为矩阵中所有元素绝对值之和，λ为正则化因子；将S通过ChirpScaling算子转换为图像用图像矩阵Z替换凸松弛后的目标函数中的S，得到带约束的目标函数： 采用ADMM算法对带约束的目标函数进行求解，得到迭代步骤；使用深度展开技术，对ADMM-DRPCA进行深度展开，得到深度展开DRPCA网络，并对网络进行训练，优化其中的参数，得到射频干扰抑制网络，利用射频干扰抑制网络进行干扰抑制，具体过程为：当接收系统处于理想状态时，H1＝H2＝I，增广拉格朗日函数修改为： 根据ADMM思想，在更新低秩矩阵L时，固定Z，去除常数项，子问题写为： 得到L的更新步骤为： 其中k为迭代次数，·H表示矩阵共轭转置，SVTμ·为奇异值阈值收缩算子；在更新稀疏矩阵Z时，固定L，去除常数项，子问题写为： 得到Z的更新步骤为： 对应的信号矩阵通过获得，拉格朗日乘子M的更新步骤为：Mk+1＝Mk+μY-H2Sk-H1Lk各变量的更新步骤组成基于ADMM的DRPCA算法的一次迭代，通过多次迭代收敛后得到最终的结果；将算法的每一次迭代看作是循环神经网络的一次前向传播，将各变量迭代过程中由测量矩阵H1和H2构成的各部分用卷积核替换，同时将奇异值阈值收缩算子的阈值、软阈值迭代算子的阈值以及拉格朗日乘子的更新系数映射为网络参数，得到深度展开DRPCA网络的前向传播过程，具体为： 其中k＝1,2,...,K表示网络层数，为网络参数，为卷积核，μk分别为奇异值阈值收缩系数、软阈值收缩系数和拉格朗日乘子更新系数，conv·为卷积操作；深度展开DRPCA网络的损失函数为网络输出SAR信号和标签S的均方根误差与网络输出干扰和标签L的均方根误差的加权和，表示为： 其中，N为训练集个数；为网络对S的估计，为网络对L的估计；θ为网络参数，α是加权系数。

全文数据：

权利要求：

百度查询： 南京理工大学 基于深度展开网络的合成孔径雷达射频干扰抑制方法