（沈阳理工大学装备工程学院 辽宁·沈阳 110159）

0 引言

雷达工作环境具有开放性和复杂性，由于工作环境及雷达系统元器件等诸多因素的影响，其回波信号中往往伴随着杂波噪声和热噪声等多种噪声干扰。因此，对雷达回波信号降噪技术的研究已成为信号处理领域及军事领域的热点问题。针对雷达回波信号的传统降噪方式主要是基于傅里叶变换的思想，通过频域滤波来实现。传统算法需要预先知道雷达回波信号的具体频谱特征，这大大限制了传统算法在雷达回波信号降噪中的应用。神经网络技术具有自我学习、自行组织、平行处理的特点，能够实现对无法预知信号的降噪处理。Elman神经网络是一种典型的动态递归神经网络，它是在BP神经网络的基础上，在隐含层增加一个关联层，作为延时算子，达到记忆的目的。因此，Elman神经网络具有适应时变特性的能力，其网络全局稳定性更强，与前馈型神经网络相比，Elman神经网络具有更强的降噪精度。

本文通过分析Elman神经网络结构的特点，构建了Elman神经网络降噪模型，并利用该模型对连续波回波信号和方波回波信号进行网络训练和降噪仿真。仿真结果表明Elman神经网络对雷达回波信号降噪效果明显。

1 Elman神经网络降噪模型

Elman神经网络是应用较为广泛的一种典型的反馈型神经网络模型，包含输入层、隐含层、关联层和输出层。关联层用来记忆隐含层单元前一时刻的输出值，隐含层的输出通过关联层的延迟与存储，自联到隐含层的输入，这种自联方式使Elman神经网络对历史数据具有敏感性，内部反馈网络的加入增加了网络本身处理动态信息的能力，从而达到动态建模的目的。……