基于恒虚警卷积核的深度学习海杂波鉴别方法

本发明公开了一种基于恒虚警卷积核的深度学习海杂波鉴别方法。首先将多帧雷达信号转换为图数据，利用图数据的时空特征初步抑制海杂波，然后，通过将雷达信号处理中经典的恒虚警检测滑窗模型作为卷积神经网络模型的卷积核，构建检测滑窗卷积神经网络模型，利用提出的检测滑窗卷积神经网络模型对图数据节点进行特征提取和分类，从而实现海杂波背景下的目标鉴别。仿真实验证明在信杂比为9dB时其检测概率便能达到98％，优于传统的CFAR检测，通过类似恒虚警率的检测方法，根据CFAR中的检测滑窗工作原理设计卷积核，使网络模型更具可解释性，同时融入更多的数据特征，且参数规模更小，运行速度更快。