![]()
点击蓝色“雷达学报”关注
关键词: 多模块深度卷积神经网络(MDCNN) / 空时自适应处理(STAP) / 稀疏恢复 / 非均匀杂波 / 杂波抑制
机载雷达具备快速部署和广阔视距等优势，在实际应用中扮演着关键角色，能够高效完成预警、探测和监控等任务。然而，当机载雷达处于下视工作状态时，杂波的广泛分布和较大强度会严重影响雷达的目标检测能力。空时自适应处理（STAP）作为当前运动平台雷达杂波抑制和目标检测的关键技术之一，其性能受限于足够数量的独立同分布（IID）样本的获取。然而，目前能够有效减少IID样本需求的算法仍然存在一些问题。例如，稀疏恢复STAP方法存在模型参数依赖性和高运算复杂度等挑战；而现有的深度学习STAP方法由于缺乏可解释性，在调试和实际应用中也面临巨大挑战。近年来，中山大学段克清副教授团队对机载/天基预警雷达的空时自适应处理算法开展了深入研究。
图1 中山大学段克清副教授团队
在深度学习机载雷达STAP方面，该团队基于多模块深度卷积神经网络（MDCNN），提出了一种小样本条件下快速、稳健、可解释的STAP算法。具体而言：首先，利用雷达系统和各类地貌仿真参数，生成不同距离门、阵元误差、杂波起伏和地貌散射系数的回波数据集；然后，设计并调优了所提MDCNN，并讨论了该网络的可解释性；最后，基于网络输出的高分辨空时谱构造空时滤波器实现杂波抑制和目标检测。经美国罗马空军实验室采集的多通道机载雷达测量（MCARM）数据验证，所提方法可显著提升小样本条件下机载预警雷达的STAP性能，同时所需在线运算量远低于现有稀疏重构超分辨类STAP方法。该工作已发表在《雷达学报》网络优先出版的论文“基于可解释深度卷积网络的空时自适应处理方法”（廖志鹏，段克清，何锦浚，邱梓洲，王永良）。
基于半二次分裂算法的迭代形式解（可分为数据子优化问题和先验子优化问题），该团队构建了一个模块化的深度卷积神经网络。首先，利用少量训练样本经傅里叶变换得到低分辨杂波空时谱；其次，设计一个映射模块M对该傅里叶谱进行预处理；然后，构建数据模块D求解数据子优化问题；继而，构建先验模块P求解先验子优化问题；最后构建超参数模块H实现两个子优化问题中的参数调优，其中该模块中超参数a和b分别用于解决数据模块D和先验模块P中的参数调优问题。基于上述四个模块，构建了k阶MDCNN，其网络框架的示意图如图2所示。![]()
图2 MDCNN网络架构
该团队采用仿真数据完成网络训练，并使用MCARM数据对所提算法性能进行了验证。图3 MCARM数据空时谱估计性能对比
如图3所示，从主瓣形状和杂波脊恢复程度方面来看，MDCNN方法优于其他三种方法。从重构由阵元误差引起的能量扩散现象以及清洁区功率方面来看，SBL算法明显优于FOCUSS和CNN算法，略优于所提MDCNN算法。综上所述，MDCNN算法的空时谱估计性能与SBL算法对比各有优劣，且二者性能明显优于FOCUSS算法和CNN算法。图4 MCARM数据杂波抑制性能对比
在杂波抑制性能上，相较于CBF算法，MDCNN算法和SBL算法在主瓣杂波区杂波抑制性能可改善约15dB，在副瓣杂波区杂波抑制性能可改善约10dB。同时，MDCNN算法略优于SBL算法，且显著优于FOCUSS算法、CNN算法和CBF算法。
如图5所示，FOCUSS和SBL算法的运算复杂度均远大于CNN和MDCNN算法。当N = 8时，即该方法处理MCARM数据时采用的参数设置，CNN和MDCNN算法的运算量较其他两种方法低约4个量级。该团队所构建神经网络可利用少量训练样本准确非线性拟合高分辨杂波空时谱，进而重构准确杂波协方差矩阵（CCM）。MDCNN STAP方法具备较好的网络可解释性，且能通过少量模块堆叠等效稀疏重构优化的大量迭代过程，实现了小样本条件下对CCM的快速、准确、稳定估计。在复杂非均匀杂波环境下，所提方法实现了次最优的杂波抑制性能，并且在线运算量明显低于现有典型稀疏恢复类STAP方法。经MCARM实测数据处理验证，所提MDCNN STAP方法在主瓣杂波区性能略优于SBL STAP方法，并显著优于CNN STAP和FOCUSS STAP方法。同时，MDCNN STAP在运行时间上比SBL STAP算法减少了5个量级，因此更适用于实际工程应用。
廖志鹏，中山大学博士研究生，主要研究方向为深度学习、阵列信号处理、空时自适应处理等。段克清，博士，中山大学副教授、博士生导师。主要研究方向为阵列信号处理、空时自适应处理、压缩感知、深度学习及其在雷达系统中的应用等。何锦浚，中山大学硕士研究生，主要研究方向为双基地机载雷达信号处理、阵列信号处理、空时自适应处理等。邱梓洲，中山大学博士研究生，主要研究方向为MIMO雷达信号处理、阵列信号处理、空时自适应处理等。重磅 | 首届雷达学术前沿大会(RAFC 2024)第一轮通知
【成果】基于时频分析的SAR目标微波视觉特性智能感知方法与应用（视频）
【成果】空/时对称阵列雷达非高斯杂波背景下多秩距离扩展目标检测方法（视频）
【成果】深度卷积神经网络图像识别模型对抗鲁棒性技术综述
学术报告 | 可解释、可信任与物理可感知的SAR图像智能解译范式转变（视频）
学术报告 | 运动舰船目标SAR成像空/时变散焦特性分析及重聚焦方法（视频）
![]()
编辑：谭大宁
欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及文字、图片、版权等问题，请在20日内与本号联系，我们将第一时间处理。《雷达学报》拥有最终解释权。
