基于改进DeeplabV 3+的HFSWR电离层杂波及海杂波自动识别

作     者：申家维 易建新 万显荣 程丰 SHEN Jiawei;YI Jianxin;WAN Xianrong;CHENG Feng

作者机构：武汉大学电子信息学院湖北武汉430072 

出 版 物：《太赫兹科学与电子信息学报》 (Journal of Terahertz Science and Electronic Information Technology)

年 卷 期：2024年第22卷第2期

页      面：152-159页

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61931015,62071335,62250024) 湖北省自然科学基金创新群体资助项目(2021CFA002) 

主　　题：高频地波雷达 DeeplabV3+算法 通道注意力机制 迁移学习 电离层杂波 海杂波 杂波自动识别 

摘      要：针对高频地波雷达(HFSWR)回波谱中背景噪声复杂、杂波占比较小且电离层杂波形态位置各异,难以自动识别的问题,以DeeplabV3+深度学习算法为基础架构并加以改进,提出一种HFSWR电离层杂波及海杂波自动识别方法。选用轻量级MobileNetV2作为主干特征网络,加入通道注意力机制模块SENet,实现对杂波标签的侧重学习,优化训练集中各类标签的损失权重;采用模型预训练迁移法对网络进行预训练,解决样本空间过小的问题。实测数据集上的实验结果表明,本方法可以实现HFSWR电离层杂波及海杂波的自动识别。相比原DeeplabV3+算法,杂波识别结果更为准确和精细,海杂波识别结果的平均交并比(mIoU)和准确率(ACC)分别提升2.9%和5.1%;电离层杂波识别结果的mIoU和ACC分别提升3.0%和4.9%。