基于改进DCGAN的毫米波雷达相互干扰时频图像生成研究 ——以生成样本对CNN干扰抑制模型性能影响为例

摘要：

采用深度学习方法抑制毫米波雷达时频域干扰面临着实测样本不足的问题,数据集的大小和质量会影响模型的干扰抑制性能和泛化性能.文章提出一种改进DCGAN算法来生成毫米波雷达时频域干扰图像,以扩充训练深度学习干扰抑制模型的实测训练样本.改进DCGAN算法对网络结构做出调整,使用带梯度惩罚的Wasserstein距离替代DCGAN的损失函数.实验结果表明,在原始仿真数据集中加入改进DCGAN算法生成的样本,能够有效提高CNN模型的干扰抑制性能.

关键词：毫米波雷达、干扰抑制、深度学习、DCGAN

所属期刊栏目：6

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：55-61