一种基于U-Net图像语义分割技术的雷达信号分选方法

发布时间：2023-06-03 05:08

　　雷达信号分选在信息化时代有着重要的研究意义,特别是在电子战中扮演着重要的角色。深度学习技术的飞速发展为雷达信号分选的研究带来了创新性突破的可能。为了观察雷达信号的位置特征从而更好地对雷达信号进行分选,本文提出了一种基于U-Net图像语义分割的雷达信号分选方法,该方法的核心思想是把混合的雷达信号绘制成图像,再利用U-Net网络模型对图像进行语义分割,从而完成雷达信号分选任务。首先,本文从雷达信号分选的现实意义出发,介绍了雷达信号分选在军事应用方面的作用和传统的雷达信号分选算法,论述了现阶段国内外雷达信号分选的研究现状。传统的雷达信号分选算法或是只针对某一类型的雷达信号能达到分选的目的,或是只能在在特定环境之下能分选雷达信号,有很多局限性。其次,介绍了图像语义分割的两大类方法,分别是传统图像分割方法和基于深度学习的图像分割方法,重点介绍了几种深度学习的图像分割法并对其优缺点进行了总结。然后,本文提出了一种基于U-Net图像语义分割技术的雷达信号分选方法,根据雷达信号的脉冲重复间隔(Pulse Repetition Interval,PRI)的频次矩阵绘制雷达信号图像,根据标注矩阵绘制标注图...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景介绍
    1.2 国内外研究现状
    1.3 论文主要工作和结构内容安排
第二章 雷达信号分选相关知识和算法介绍
    2.1 雷达信号分选过程概述
    2.2 雷达信号分选参数
        2.2.1 到达时间
        2.2.2 到达角
        2.2.3 脉宽
        2.2.4 载频
        2.2.5 脉冲幅度
        2.2.6 脉内调制特征
    2.3 雷达信号的PRI种类描述
        2.3.1 固定PRI信号
        2.3.2 参差PRI信号
        2.3.3 抖动PRI信号
        2.3.4 正弦PRI信号
        2.3.5 滑变PRI信号
    2.4 雷达信号分选算法介绍
        2.4.1 直方图法
            2.4.1.1 累积差直方图法
            2.4.1.2 序列差直方图法
        2.4.2 PRI变换法
        2.4.3 序列搜索法介绍
            2.4.3.1 直接序列搜索法
            2.4.3.2 曲线拟合序列搜索法
    2.5 本章小结
第三章 图像语义分割相关知识介绍
    3.1 图像语义分割概念
    3.2 传统图像语义分割技术介绍
    3.3 基于深度学习的图像语义分割技术介绍
        3.3.1 基于区域分类的图像语义分割
        3.3.2 基于像素分类的图像语义分割
    3.4 本章小结
第四章 基于U-Net图像语义分割的雷达信号分选方法
    4.1 概念说明
        4.1.1 噪声信号
        4.1.2 骨架周期
        4.1.3 PRI矩阵
        4.1.4 PRI频次
    4.2 图像矩阵
        4.2.1 构建PRI频次矩阵
        4.2.2 构建标注矩阵
    4.3 一种适合雷达信号分选的U-Net网络结构
        4.3.1 U-Net网络模型介绍
        4.3.2 一种改进的U-Net网络结构
    4.4 分选方法描述
        4.4.1 分选方法可行性分析
        4.4.2 分选方法流程
    4.5 本章小结
第五章 实验设计与结果分析
    5.1 实验设计
        5.1.1 模拟数据生成
        5.1.2 评价指标
    5.2 实验结果
        5.2.1 恒参和噪声
        5.2.2 参差和噪声
        5.2.3 恒参、参差和噪声
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 展望
参考文献
作者简介及在学期间所获得的科研成果
致谢



本文编号：3828719