电子测量技术

作者：孙嘉辰，庞存锁，任梓然，杨志良，安建平

单位：1.中北大学信息与通信工程学院 太原 030051;2.中北大学智能探测技术与装备山西省重点实验室 太原 030051; 3.北京理工大学网络空间安全学院 北京 100081

关键词：无人机;时频分析;卷积神经网络;迁移学习;图像重建

基金：国防科技重点实验室基金(6142001200406)项目资助

近年来，无人机技术在多个领域广泛应用，雷达探测因其远距离、高精度定位和快速响应优势而被广泛应用，且针对无人机的微多普勒特征研究备受关注。然而，无人机回波信号在复杂环境中易受干扰，导致时频特性畸变。传统时频分析方法在处理此类问题时存在局限性。为此，本文提出一种基于深度学习的无人机时频曲线重建算法，通过设计基于卷积神经网络的自编码器模型SelfNet，从噪声干扰和信道失真中提取有效信息，重建高质量的时频曲线。SelfNet利用编码器提取时频曲线特征，并通过解码器恢复信号结构。实验结果表明，SelfNet的PSNR均值为17.767 2，SSIM均值为0.431 7，优于GoogLeNet和ResNet等经典卷积神经网络，且通过小样本实验和迁移学习验证了其泛化能力，为复杂环境下无人机时频曲线的重建提供了一种思路。

来源：2026年第2期

《电子测量技术》期刊编辑部

查看电子测量技术杂志2026年第2期