(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654116.3 (22)申请日 2021.12.3 0 (71)申请人 西北工业大 学 地址 710072 陕西省西安市友谊西路127号 (72)发明人 范一飞　李晨祥　粟嘉　王伶　 陶明亮　李滔　张兆林　谢坚　 宫延云　 (74)专利代理 机构 西北工业大 学专利中心 61204 专利代理师 金凤 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种智能海杂波抑制方法 (57)摘要 本发明提供了一种智能海杂波抑制方法， 首 先， 对实测海杂波的功率谱中心和谱宽进行标 注， 并建立神经网络， 将待分析的实测海杂波数 据输入至网络， 得到功率谱中心和谱宽， 将海杂 波的功率谱中心和谱宽代入杂波的功率谱， 进而 计算得到杂波的自相关矩阵， 将杂波的自相关矩 阵进行特征值分解， 排列后得到最小特征值对应 的特征向量， 以特征向量作为系数设计滤波器， 将杂波序列通过该滤波器即可实现对杂波的有 效抑制。 本发 明使滤波器凹口与海杂波功率谱中 心相适应， 实现了对海杂波的有效抑制， 使用神 经网络对海杂波的功率谱中心和谱宽进行准确 估计。 该估计方法较传统方法而言， 有更高的准 确性和泛化能力， 无需人工参与。 权利要求书2页 说明书7页 附图3页 CN 114492510 A 2022.05.13 CN 114492510 A 1.一种智能海杂波抑制方法， 其特 征在于包括下述 步骤： (1)数据预处 理与标注； 海杂波回波数据为X＝{xk,k＝1,2,3...N}， 其中， xk表示海杂波时域回波序列， N为海杂 波时域回波序列的长度， 海杂波回波数据X的功率谱中心为f0， 功率谱宽度为σf； 采用周期图 法计算得到海杂波 回波数据X的功率谱为C(f)， 将海杂波功率谱C(f)与已预设 的海杂波功 率谱中心f0和谱宽σf建立对应关系， 将对应关系用文件记录， 即完成对海杂波回波数据 X的 标注； 然后将标注好的数据集划分为训练集与测试集； (2)神经网络搭建； 搭建的神经网络结构为三层， 通过设置衰减学习率加快网络收敛的速度， 当网络模型 预测谱中心和谱宽的准确率达 到阈值P时， 即认为网络收敛， 得到训练好的神经网络； (3)计算功率谱中心和谱宽的估计值； 将测试集数据输入步骤(2)中训练好的神经网络， 完成海杂波功率谱中心和谱宽的估 计， 将功率谱中心的估计值记为 功率谱谱宽的估计值记为 (4)权值计算； (4.1)计算自相关矩阵； 杂波功率谱符合高斯分布， 功率谱表达式为： 其中f表示频率， f0表示杂波功率谱的中心， σf表示杂波功率谱的谱宽， 将功率谱中心的 估计值 和功率谱 谱宽的估计值 代入杂波功率谱C(f)； 对功率谱函数求 傅里叶逆变换， 得到杂波的自相关函数rc(i,j)为： 其中， ti和tj代表不同的时刻， τij为ti和tj的时间差值， 为功率谱谱宽的估计值， 为 功率谱中心的估计值； 计算得杂波的自相关矩阵为： (4.2)特征值分解； 对杂波的自相关矩阵进行 特征值分解： RcWi＝ λiWi 对杂波自相关矩阵Rc的特征值根据大小 进行排序：权　利　要　求　书 1/2 页 2 CN 114492510 A 2λ1＜ λ2＜ λ3＜…＜ λN 取最小特征值λ1所对应的特征向量W1作为MTI滤波器的权系数矢量， 即将特征向量W1中 的每个元素作为FIR滤波器的抽头系数， 记W1中的元素为w1,w2,w3,w4,...,wn， n为特征向量 W1的长度， 将海杂波序列通过 该权系数W1形成的FIR滤波器， 即可实现海杂波的抑制。 2.根据权利要求1所述的智能海杂波抑制方法， 其特 征在于： 所述训练集与测试集的数据量的比例为1:1。 3.根据权利要求1所述的智能海杂波抑制方法， 其特 征在于： 所述步骤2中， 采用批标准化BN控制过拟合， 通过调整训练的轮次数epoch调整网络处 理数据的速度和精度； 如果每训练三轮， 网络的准确率没有提升， 说明网络的精度需要增 加， 此时将学习率在原学习率基础上减半， 如果连续3轮训练集的准确率没有提升， 说明网 络模型已经趋于收敛， 训练的轮次数可以提前中止； 最 终， 当网络模型预测谱中心和谱宽的 准确率达 到阈值P时， 即得到最终的网络模型。 4.根据权利要求3所述的智能海杂波抑制方法， 其特 征在于： 所述初始学习率取0.01。 5.根据权利要求3所述的智能海杂波抑制方法， 其特 征在于： 所述准确率的阈值P为97％。权　利　要　求　书 2/2 页 3 CN 114492510 A 3