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

陳澤偉，嚴遠鵬

（廣東工業(yè)大學(xué)，廣東 廣州 510006）

0 引 言

近年來，高級輔助駕駛系統(tǒng)（Advanced Driver Assistance System,ADAS）已經(jīng)成為汽車無人駕駛的重要基礎(chǔ)輔助系統(tǒng)，其涵蓋多種多樣的功能，如自適應(yīng)巡航（Adaptive Cruise Control,ACC）、前向碰撞預(yù)警（Forward Collision Warning,FCW）、自動緊急制動（Autonomous Emergency Braking,AEB）以及盲點檢測（Blind Spot Detection,BSD）等。車載毫米波雷達憑借其優(yōu)勢逐漸成為ADAS 中不可或缺的傳感器之一。然而，在一段道路上，當(dāng)多輛車上裝載的多個毫米波雷達系統(tǒng)同時在相近的頻段工作時，會造成嚴重的毫米波雷達相互干擾問題，影響車載雷達的正常探測工作，甚至?xí)虼艘l(fā)交通事故。

隨著近幾年深度學(xué)習(xí)算法的快速發(fā)展，用深度學(xué)習(xí)模型抑制毫米波雷達干擾逐漸成為一個熱點研究方向。相比于傳統(tǒng)的毫米波雷達干擾抑制方法，在處理更加復(fù)雜的多干擾或強干擾場景時，深度學(xué)習(xí)模型有更大的優(yōu)勢。在時頻域中，毫米波雷達的目標(biāo)信號和干擾信號都被轉(zhuǎn)換為二維圖像的特征信息。深度學(xué)習(xí)模型能夠通過對大量數(shù)據(jù)集的學(xué)習(xí)，提取毫米波雷達時頻圖中的目標(biāo)特征并抑制干擾特征，干擾抑制效果會優(yōu)于在一維時域信號上處理。Nicolae-Catalin Ristea等人提出了用全卷積網(wǎng)絡(luò)來處理雷達時頻域干擾數(shù)據(jù)，作者使用仿真數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，沒有實際考慮真實實測數(shù)據(jù)集對干擾抑制模型的影響，這是因為在實際實驗中要測得大量多樣性場景的實測數(shù)據(jù)樣本存在一定困難。

生成對抗網(wǎng)絡(luò)（Generative Adversarial Network,GAN）是由Goodfellow 等人在2014年提出一種無監(jiān)督深度學(xué)習(xí)模型，GAN 模型通過不斷對抗訓(xùn)練能夠生成樣本數(shù)據(jù)。……