(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 202210741920.3 (22)申请日 2022.06.27 (71)申请人 北京理工大 学 地址 100081 北京市海淀区中关村南大街5 号 申请人 北京理工大 学唐山研究院 (72)发明人 傅雄军　许沁文　李明玲　冯程　 赵聪霞　田黎育　 (74)专利代理 机构 北京众元弘策知识产权代理 事务所(普通 合伙) 11462 专利代理师 白元群 (51)Int.Cl. G01S 7/36(2006.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于双阶段UNet的遮蔽式箔条干扰抑 制方法 (57)摘要 本发明属于电子对抗、 干扰抑制及信号识别 技术领域， 尤其涉及一种基于双阶段U Net的遮蔽 式箔条干扰抑制方法。 包括： 使用宽带极化雷达 采集信号， 得到实测数据； 进行脉冲压缩和归一 化， 得到目标、 箔条干扰和混合的距离像序列灰 度图； 构造伪实测数据， 得到目标、 箔条干扰、 伪 实测的目标和箔条干扰混合的距离像序列灰度 图和分割真值图； 构建基于双阶段U Net的箔条干 扰抑制网络及其损失函数； 使用伪实测数据进行 训练， 得到最优的基于双阶段U Net的箔条干扰抑 制网络； 进行测试， 实现遮蔽式箔条干扰的抑制。 所述方法对遮蔽式箔条干扰下目标前景的分割 效果好、 对箔条干扰的抑制效果好、 受环境影响 小、 能应对各种类型、 各个阶段的箔条干 扰。 权利要求书3页 说明书8页 附图3页 CN 115047412 A 2022.09.13 CN 115047412 A 1.一种基于双阶段UNet的遮蔽式箔条干扰抑制方法， 其特 征在于， 包括如下步骤： S1、 使用宽带极化雷达采集冲淡 式箔条干扰下的目标回波和遮蔽式箔条干扰下的目标 回波并记录采集数据时目标的位置、 角度和速度信息， 得到带真实信息的冲淡式箔条干扰 下的目标回波和遮蔽式箔条干扰下的目标回波； S2、 将S1得到的带真实信息的冲淡式箔条干扰下的目标回波进行脉冲压缩和归一化， 得到目标距离像序列灰度图和箔条干扰距离像序列灰度图； 将S1得到的带真实信息的遮蔽 式箔条干扰下的目标回波进行脉冲压缩和归一化， 得到目标和箔条干扰混合的距离像序列 灰度图； S3、 将S2得到的目标距离像序列灰度图和箔条干扰距离像序列灰度图用于构造伪实测 数据， 得到目标距离像序列真值图、 箔条干扰距离像序列真值图、 伪实测的目标和箔条干扰 混合的距离像序列灰度图和分割真值图； S4、 构建基于双阶段UNet的箔条干扰抑制网络； 所述基于双阶段UNet的箔条干扰抑制网络由两个UNet级联构成， 称为第一阶段UNet和 第二阶段UNet； 在训练或验证时， 所述基于双阶段UNet的箔条干扰抑制网络的输入图像为伪实测的目 标和箔条干扰混合的距离像序列灰度图； 在测试时， 所述基于双阶段UNet的箔条干扰抑制 网络的输入图像为目标和箔条干扰混合的距离像序列灰度图； 所述第一阶段UNet对输入图像进行分割目标 前景与背景， 得到分割结果； 所述分割结果的标签， 即 分割标签， 为分割真值图； 所述第二阶段UNet将所述第一阶段UNet的分割结果与第一阶段UNet的输入图像点乘 的结果作为第二阶段UNet的输入图像并对其进行处理， 得到抑制结果， 所述抑制结果是对 第二阶段UNet的输入图像中的目标幅度信息进行恢复的结果； 所述抑制结果的标签， 即抑制标签， 为目标距离像序列真值图； 所述基于双阶段UNet的箔条干扰抑制网络的输入图像、 分割结果、 分割标签、 抑制结 果、 抑制标签的尺寸 一样； S5、 构造基于双阶段UNet的箔条干扰抑制网络的损失函数； S5所述损失函数的计算公式为： L＝aLcel+bLdice+cLsmooth (1) 其中， Lcel,Ldice,Lsmooth分别为第一阶段UNet使用的交叉熵损失、 Dice损失和第二阶段 UNet使用的平滑L1损失； a为交叉熵损失的权重； b 为Dice损失的权重； c为平滑L1损失 的权 重； 所述第一阶段UNet使用的交叉熵损失定义 为： N是一个批次输入图像的像素点数， n为像素点序号； M代表像素类别数， 在箔条干扰抑 制场景中， 只有目标前景和背 景两类， 因此M＝2， m为类别序号， m＝1表 示类别为目标前景， m ＝2表示类别为背景； 是输入图像的像素点n的类别标签， 表示输入图像的像素 点n不属于类别m， 表示输入图像的像素点n属于类别m； 表示预测输入图像的像权　利　要　求　书 1/3 页 2 CN 115047412 A 2素点n属于类别m的概 率； 所述Dice损失的计算公式为： 其中， P表示分割结果， G表示分割标签， |G∩P|是分割结果与分割标签对应像素点乘的 结果之和， |G|和|P|分别为分割标签和分割结果的所有元素之和； 所述Dice损失的范围在 [0,1]之间， 为分割结果区域和分割标签区域间的非重 叠部分的概 率； 所述第二阶段UNet使用平 滑L1损失Lsmooth为像素点的绝对误差的均值； S6、 模型调优： 使用网格搜索法得到最优超参数的基于双阶段UNet的箔条干扰抑制网 络； S7、 网络训练： 使用RMSprop优化算法对S6得到的最优超参数的基于双阶段UNet的箔条 干扰抑制网络的参数进 行更新， 使得S 5构造基于双阶段UNet的箔条干扰抑制网络的损失函 数的值最小， 得到最优的基于双阶段UNet的箔条干扰抑制网络； S8、 网络测试： 将S2得到的目标和箔条干扰混合的距离像序列灰度图输入S7得到的最 优的基于双阶段UNet的箔条干扰抑制网络进行测试， 得到分割结果和抑制结果。 2.根据权利要求1所述的遮蔽式箔条干扰抑制方法， 其特征在于， S2所述目标距离像序 列灰度图、 所述 箔条干扰距离像序列灰度图和所述目标和箔条干扰混合的距离像序列灰度 图均包括X个距离分辨单 元； 所述X即采样点的个数。 3.根据权利要求1所述的遮蔽式箔条干扰抑制方法， 其特征在于， S3具体包括以下子步 骤： S31、 从S2得到的目标距离像序列灰度图中随机选取P个距离分辨单元的慢时间序列， 并除以该序列的最大值进 行归一化， 根据目标散射点的空间分布和散射 强度重构得到目标 距离像序列真值图； S32、 从S2得到的箔条干扰距离像序列灰度图中随机选取Q个距离分辨单元的慢时间序 列， 并将慢时间序列中的值除以该序列的最大值进行归一化， 再乘以正态分布曲线的权重 系数得到箔条干扰距离像序列真值图； S33、 将S31得到的目标距离像序列真值图和S32得到的箔条干扰距离像序列真值图加 权求和， 得到伪实测的目标和箔条干扰混合的距离像序列灰度图； S34、 将S31得到的目标距离像序列真值图经 过CA‑CFAR检测， 得到分割真值图。 4.根据权利要求1或3所述的遮蔽式箔条干扰抑制方法， 其特征在于， S31所述P小于X； S32所述Q小于X； S33所述加 权求和时， 权重的比值为信干比； S34所述分割真值图的某一像 素点的值为1表 明目标距离像序列真值图对应像素点的值大于CA ‑CFAR检测器阈值， 为0表 明目标距离像序列真值图对应 像素点的值小于等于 CA‑CFAR检测器阈值。 5.根据权利 要求1所述的遮蔽式箔条干扰抑制方法， 其特征在于， S4所述第一阶段UNet 和第二阶段UNet都包括一层输入层、 三层特征提取层、 三层特征加强层和一层输出层； 所述 输入层包括两层核尺寸 为3×3的卷积层。 6.根据权利要求1或5所述的遮蔽式箔条干扰抑制方法， 其特征在于， 所述特征提取层 包括一层核尺寸为2 ×2的池化层， 和 两层核尺寸为3 ×3的卷积层； 所述特征加强层包括一 层核尺寸为2×2的反卷积层， 和两层核尺寸为3 ×3的卷积层； 所述输出层为输出通道数为2权　利　要　求　书 2/3 页 3 CN 115047412 A 3