BRSR-OpGAN:使用操作生成对抗网络恢复盲目雷达信号
Muhammad Uzair Zahid1, Serkan Kiranyaz2, Alper Yildirim3
1Department of Computing Sciences, Tampere University, Tampere, 33100, Finland.
概括
这项研究引入了雷达信号恢复的新方法,改善了信号质量,尽管噪音多样化和严重. 该方法实现了显著的信号噪声比 (SNR) 改进,并实时工作.
科学领域:
- 电气工程 电气工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 现有的雷达信号恢复方法通常针对孤立的噪声类型和固定的信号噪声比 (SNR) 水平.
- 现实世界的雷达信号面临来自多个来源的复杂损坏,如干扰,干扰和传感器噪声,其类型和强度各不相同.
研究的目的:
- 开发一种强大的雷达信号恢复技术,能够在现实世界中处理多样化和严重的文物.
- 通过运营生成对抗网络 (BRSR-OpGAN) 引入盲人雷达信号恢复,以提高雷达信号质量.
主要方法:
- 使用了一种新的运营生成对抗网络 (OpGAN),具有双域损失 (时间和光谱).
- 采用1D操作GAN,其生成神经元模型优化,可对损坏的雷达信号进行盲目恢复.
- 在基线和新编辑的盲人雷达信号恢复 (BRSR) 数据集上评估了这种方法,模拟了真实世界的条件.
主要成果:
- 在基线数据集上实现了平均信号噪声比 (SNR) 改进超过15.1dB,在BRSR数据集上达到14.3dB.
- 在各种SNR值和文物类型中表现出强大的性能,明显优于现有方法.
- 证实了该方法的实时应用能力,即使在资源有限的平台上也是如此.
结论:
- BRSR-OpGAN方法为现实应用提供了有效和计算效率高的盲目雷达信号恢复.
- 拟议的技术通过动态适应广泛的文物特征,显著提高了雷达信号质量.
- 这项试点研究突出了先进的人工智能技术在提高雷达系统可靠性和性能方面的潜力.
