基于改進DCGAN的毫米波雷達相互干擾時頻圖像生成研究

——以生成樣本對CNN干擾抑制模型性能影響為例

打開文本圖片集

摘  要：采用深度學(xué)習(xí)方法抑制毫米波雷達時頻域干擾面臨著實測樣本不足的問題，數(shù)據(jù)集的大小和質(zhì)量會影響模型的干擾抑制性能和泛化性能。文章提出一種改進DCGAN算法來生成毫米波雷達時頻域干擾圖像，以擴充訓(xùn)練深度學(xué)習(xí)干擾抑制模型的實測訓(xùn)練樣本。改進DCGAN算法對網(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）