[發明專利]一種融合類別屬性的深度網絡地下目標識別方法及系統

在審

• 申請號: 201510936603.7
• 申請日: 2015-12-15
• 公開（公告）號: CN105512635A
• 公開（公告）日: 2016-04-20
• 發明（設計）人: 鄒海林;柳嬋娟;周樹森;臧睦君
• 申請（專利權）人: 魯東大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京輕創知識產權代理有限公司 11212
• 代理人: 王澎

1.一種融合類別屬性的深度網絡地下目標識別方法，其特征在于，包括以下步驟：

對接收到的多個地下目標物的探地雷達回波信號進行預處理，提取分別表征所述多個 目標物的多個目標信號；

根據所述多個目標信號建立樣本數據集，所述樣本數據集包括所述多個目標信號和目 標信號所屬的多個類別信息；

深度網絡分類器對所述樣本數據集內的數據進行深度網絡訓練迭代計算，尋找使得所 述樣本數據集的代價函數值最小的參數；

在所述深度網絡訓練迭代計算過程中，利用softmax回歸方式進行分類識別以確定所 述多個目標物。

2.根據權利要求1所述的融合類別屬性的深度網絡地下目標識別方法，其特征在于，所 述對接收到的多個地下目標物返回的探地雷達回波信號即GPR回波信號進行預處理，具體 包括：

對多個所述GPR回波信號分別進行背景噪聲去除、濾波處理、道間信號能量均衡、子波 相干加強和深部弱信號增強處理。

3.根據權利要求2所述的融合類別屬性的深度網絡地下目標識別方法，其特征在于，設 接收到的所述探地雷達回波信號共有m個，根據所述多個目標信號建立數據樣本集，具體 為：

從所述m個GPR回波信號中提取目標信號A-scan數據，并組合成目標信號矩陣X＝[x ⁽ⁱ⁾]，其中，x⁽ⁱ⁾(i＝1,2,…,m)表示第i個A-scan樣本數據，每個A-scan數據為矩陣X中的一 列，對應的樣本類別矩陣為{y⁽ⁱ⁾},i＝1,2,…,m，y⁽ⁱ⁾是樣本數據x⁽ⁱ⁾對應的類別信息標簽，m 個樣本數據構成的樣本數據集為{(x⁽¹⁾,y⁽¹⁾),…,(x^(m),y^(m))}，其分別屬于k個類別。

4.根據權利要求3所述的融合類別屬性的深度網絡地下目標識別方法，其特征在于，深 度網絡分類器對所述樣本數據集內的數據進行深度網絡訓練迭代計算，尋找使得所述樣本 數據集的代價函數值最小的參數，具體為：

A、把X＝[x⁽ⁱ⁾](i＝1,2,…,m)作為深層稀疏編碼模型的輸入數據，通過下式計算所述 深度網絡的第i隱層的狀態：

hi=11+exp(-hi-1·WiT+bi)h0=X,∀i∈{1,2,...,l};]]>

其中，W為各隱層之間的連接參數，即權值向量，b為偏置項；

B、通過BP算法計算得到使所述樣本數據集的代價函數值最小的全局最優權值向量W和 偏置項b，其中所述樣本數據集的代價函數J(W,b)為：

J(W,b)=[1mΣi=1mJ(W,b;x(i),y(i))]+λ2Σl=1nl-1Σi=1slΣj=1sl+1(Wij(i))2+βΣj=1s2KL(ρ|ρ‾j)]]>

其中，n_l，s_l分別表示深度網絡層數和l層單元數，為稀疏性約束項；

KL(ρ|ρ‾j)=ρlog2ρρ‾j+(1-ρ)log21-ρ1-ρ‾j;]]>

其中，ρ為稀疏懲罰系數，是隱藏層j單元平均輸出值；

是代價函數J(W,b)的均方差項；

J(W,b;x(i),y(i))=12||hW,b(x(i))-y(i)||2,hW,b(x(i))]]>是深度網絡的第i隱層的自動 編碼器的網絡輸出向量；

是權重衰減項，λ為權重衰減參數；

其中，在網絡訓練每個迭代過程中，用梯度下降法對目標函數J(W,b)進行優化。