面向 FMCW 雷达的先验引导深度干扰抑制方法
信号处理
2022-12-07 v1
摘要
本文提出一种用于调频连续波（FMCW）雷达的先验引导深度学习（DL）干扰抑制方法。本文将干扰抑制问题作为回归问题处理。考虑到雷达信号的复值特性，采用复值卷积神经网络作为实现架构，不同于传统的实值对应网络。同时，由于 FMCW 雷达的有用差频信号与干扰在时频域呈现不同分布，该先验特征被用作正则化项以避免所学表示的过拟合。我们所提出的基于复值全卷积网络（CV-FCN）的干扰抑制方法的有效性与准确性通过仿真与实测雷达信号得到验证与分析。与实值对应网络相比，CV-FCN 展现出更优的干扰抑制性能，并在低干噪比（SINR）场景下有望减少一半内存。此外，仅使用仿真数据训练的 CV-FCN 可直接用于多种实测雷达信号的干扰抑制，并展现出优越的泛化能力。进一步，通过引入先验特征，仅用完整数据 1/8 训练的 CV-FCN 在低 SINR 场景下达到与完整数据集相当的性能，且训练过程收敛更快。
引用
@article{arxiv.2108.13023,
title = {Prior-Guided Deep Interference Mitigation for FMCW Radars},
author = {Jianping Wang and Runlong Li and Yuan He and Yang Yang},
journal= {arXiv preprint arXiv:2108.13023},
year = {2022}
}
备注
14 pages, 16 figures