基于生成式深度学习的自适应低截获概率雷达波形设计
信号处理
2025-02-25 v2 机器学习
摘要
我们提出一种基于学习的方法，用于自适应生成融入其工作环境的低截获概率（LPD）雷达波形。我们的波形设计旨在遵循一种与周围射频（RF）背景无法区分的分布，同时仍能有效进行测距和感知。为此，我们使用了一个无监督的对抗学习框架；生成器网络产生的波形旨在迷惑判别器网络，后者被优化以区分生成的波形与背景。为确保生成的波形仍能有效用于感知，我们引入并最小化一个基于模糊函数的损失。我们通过使用一个单独训练的检测神经网络，比较生成波形与传统 LPD 波形的单脉冲可检测性，来评估我们方法的性能。我们发现，我们的方法能够生成将可检测性降低高达 90% 的 LPD 波形，同时提供改进的模糊函数（感知）特性。我们的框架还提供了一种权衡可检测性与感知性能的机制。
引用
@article{arxiv.2403.12254,
title = {Adaptive LPD Radar Waveform Design with Generative Deep Learning},
author = {Matthew R. Ziemann and Christopher A. Metzler},
journal= {arXiv preprint arXiv:2403.12254},
year = {2025}
}
备注
13 pages, 14 figures