一种基于多域变换深度学习的间歇采样干扰参数估计方法

本发明公开了一种基于多域变换深度学习的间歇采样干扰参数估计方法，首先通过短时傅里叶变换生成间歇采样干扰时频图，并将时频图规格统一，将干扰参数转化为标签数据，生成间歇采样干扰数据，再将生成的时频图数据以及标签数据送入卷积神经网络进行模型训练，对间歇采样干扰时频域进行检测，最后根据模型的输出矩阵，结合参数估计转化算法对间歇采样干扰典型参数进行估计，得到采样宽度、采样间隔、转发次数、切片数量的估计结果。本发明的方法在对间歇采样干扰进行多域变换的基础上，利用目标检测网络对间歇采样干扰的采样宽度、采样间隔、转发次数、切片数量进行估计，识别速度快，参数估计准确度高。