雷達信號分選在信息化時代有著重要的研究意義,特別是在電子戰(zhàn)中扮演著重要的角色。深度學習技術的飛速發(fā)展為雷達信號分選的研究帶來了創(chuàng)新性突破的可能。為了觀察雷達信號的位置特征從而更好地對雷達信號進行分選,本文提出了一種基于U-Net圖像語義分割的雷達信號分選方法,該方法的核心思想是把混合的雷達信號繪制成圖像,再利用U-Net網(wǎng)絡模型對圖像進行語義分割,從而完成雷達信號分選任務。首先,本文從雷達信號分選的現(xiàn)實意義出發(fā),介紹了雷達信號分選在軍事應用方面的作用和傳統(tǒng)的雷達信號分選算法,論述了現(xiàn)階段國內(nèi)外雷達信號分選的研究現(xiàn)狀。傳統(tǒng)的雷達信號分選算法或是只針對某一類型的雷達信號能達到分選的目的,或是只能在在特定環(huán)境之下能分選雷達信號,有很多局限性。其次,介紹了圖像語義分割的兩大類方法,分別是傳統(tǒng)圖像分割方法和基于深度學習的圖像分割方法,重點介紹了幾種深度學習的圖像分割法并對其優(yōu)缺點進行了總結。然后,本文提出了一種基于U-Net圖像語義分割技術的雷達信號分選方法,根據(jù)雷達信號的脈沖重復間隔(Pulse Repetition Interval,PRI)的頻次矩陣繪制雷達信號圖像,根據(jù)標注矩陣繪制標注圖...

【文章頁數(shù)】：56 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景介紹
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作和結構內(nèi)容安排
第二章 雷達信號分選相關知識和算法介紹
    2.1 雷達信號分選過程概述
    2.2 雷達信號分選參數(shù)
        2.2.1 到達時間
        2.2.2 到達角
        2.2.3 脈寬
        2.2.4 載頻
        2.2.5 脈沖幅度
        2.2.6 脈內(nèi)調(diào)制特征
    2.3 雷達信號的PRI種類描述
        2.3.1 固定PRI信號
        2.3.2 參差PRI信號
        2.3.3 抖動PRI信號
        2.3.4 正弦PRI信號
        2.3.5 滑變PRI信號
    2.4 雷達信號分選算法介紹
        2.4.1 直方圖法
            2.4.1.1 累積差直方圖法
            2.4.1.2 序列差直方圖法
        2.4.2 PRI變換法
        2.4.3 序列搜索法介紹
            2.4.3.1 直接序列搜索法
            2.4.3.2 曲線擬合序列搜索法
    2.5 本章小結
第三章 圖像語義分割相關知識介紹
    3.1 圖像語義分割概念
    3.2 傳統(tǒng)圖像語義分割技術介紹
    3.3 基于深度學習的圖像語義分割技術介紹
        3.3.1 基于區(qū)域分類的圖像語義分割
        3.3.2 基于像素分類的圖像語義分割
    3.4 本章小結
第四章 基于U-Net圖像語義分割的雷達信號分選方法
    4.1 概念說明
        4.1.1 噪聲信號
        4.1.2 骨架周期
        4.1.3 PRI矩陣
        4.1.4 PRI頻次
    4.2 圖像矩陣
        4.2.1 構建PRI頻次矩陣
        4.2.2 構建標注矩陣
    4.3 一種適合雷達信號分選的U-Net網(wǎng)絡結構
        4.3.1 U-Net網(wǎng)絡模型介紹
        4.3.2 一種改進的U-Net網(wǎng)絡結構
    4.4 分選方法描述
        4.4.1 分選方法可行性分析
        4.4.2 分選方法流程
    4.5 本章小結
第五章 實驗設計與結果分析
    5.1 實驗設計
        5.1.1 模擬數(shù)據(jù)生成
        5.1.2 評價指標
    5.2 實驗結果
        5.2.1 恒參和噪聲
        5.2.2 參差和噪聲
        5.2.3 恒參、參差和噪聲
    5.3 本章小結
第六章 總結與展望
    6.1 工作總結
    6.2 展望
參考文獻
作者簡介及在學期間所獲得的科研成果
致謝



本文編號：3828719