基于改進(jìn)DCGAN的毫米波雷達(dá)相互干擾時(shí)頻圖像生成研究

——以生成樣本對(duì)CNN干擾抑制模型性能影響為例

打開(kāi)文本圖片集

摘  要：采用深度學(xué)習(xí)方法抑制毫米波雷達(dá)時(shí)頻域干擾面臨著實(shí)測(cè)樣本不足的問(wèn)題，數(shù)據(jù)集的大小和質(zhì)量會(huì)影響模型的干擾抑制性能和泛化性能。文章提出一種改進(jìn)DCGAN算法來(lái)生成毫米波雷達(dá)時(shí)頻域干擾圖像，以擴(kuò)充訓(xùn)練深度學(xué)習(xí)干擾抑制模型的實(shí)測(cè)訓(xùn)練樣本。改進(jìn)DCGAN算法對(duì)網(wǎng)絡(luò)結(jié)構(gòu)做出調(diào)整，使用帶梯度懲罰的Wasserstein距離替代DCGAN的損失函數(shù)。（剩余12296字）