【最新成果】基于深度学习的非线性空时自适应－脉冲压缩联合处理方法（视频）

本文针对传统线性信号处理方法在雷达目标检测中面临模型失配导致性能下降的问题，提出了一种基于深度学习的非线性空时自适应-脉冲压缩联合处理方法。研究背景源于脉冲压缩技术可平衡雷达探测距离与分辨率，空时自适应处理能抑制杂波，但传统线性方法在实际复杂环境中存在局限。研究目的旨在通过构建空时谱超分辨网络和脉冲压缩网络，分别实现非线性杂波估计和脉压处理，以降低模型失配影响。结论表明，该方法较传统方法提升信杂噪比约25dB，较其他非线性方法提升1-2dB，同时具备更优的谱重构能力和低运算复杂度，有效增强了雷达目标检测性能。