典型文献
基于深度学习的高频雷达射频干扰自动识别与抑制
文献摘要：
高频地波雷达的探测性能极易受到射频干扰的影响,当前射频干扰抑制的研究主要是通过人工识别来逐一处理,鲜见实时自动识别与抑制射频干扰的研究.随着深度学习在雷达图像处理方面应用的展开,本文尝试将其引入高频雷达射频干扰抑制中,利用YOLO(You Only Look Once)模型来识别雷达距离多普勒谱图中的射频干扰,继而用高阶奇异值分解(Higher Order Singular Value Decomposition,HOS-VD)方法对其进行抑制.仿真和实测数据处理结果表明,此YOLO-HOSVD联合算法实现了对高频雷达射频干扰的自动识别与抑制,单场数据处理时间不超过1.8 s.该方法可以应用于高频地波雷达常规海态观测.
文献关键词：
高频地波雷达;射频干扰抑制;YOLO;高阶奇异值分解;深度学习
中图分类号：
作者姓名：
东松林;岳显昌;吴雄斌;高玉斌
作者机构：
武汉大学电子信息学院,湖北武汉 430072
文献出处：
引用格式：
[1]东松林;岳显昌;吴雄斌;高玉斌-.基于深度学习的高频雷达射频干扰自动识别与抑制)[J].雷达科学与技术,2022(03):260-271
A类：
HOSVD
B类：
高频雷达,自动识别,高频地波雷达,探测性能,射频干扰抑制,人工识别,一处,鲜见,雷达图像,YOLO,You,Only,Look,Once,别雷,距离多普勒,谱图,高阶奇异值分解,Higher,Order,Singular,Value,Decomposition,实测数据处理,处理结果,联合算法,算法实现,数据处理时间
AB值：
0.317471
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
