[發(fā)明專利]一種融合類別屬性的深度網(wǎng)絡(luò)地下目標(biāo)識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201510936603.7
• 申請日: 2015-12-15
• 公開（公告）號: CN105512635A
• 公開（公告）日: 2016-04-20
• 發(fā)明（設(shè)計）人: 鄒海林;柳嬋娟;周樹森;臧睦君
• 申請（專利權(quán)）人: 魯東大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 北京輕創(chuàng)知識產(chǎn)權(quán)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(wǎng)絡(luò)地下目標(biāo)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(biāo)物的探地雷達(dá)回波信號進(jìn)行預(yù)處理，提取分別表征所述多個 目標(biāo)物的多個目標(biāo)信號；

根據(jù)所述多個目標(biāo)信號建立樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集包括所述多個目標(biāo)信號和目 標(biāo)信號所屬的多個類別信息；

深度網(wǎng)絡(luò)分類器對所述樣本數(shù)據(jù)集內(nèi)的數(shù)據(jù)進(jìn)行深度網(wǎng)絡(luò)訓(xùn)練迭代計算，尋找使得所 述樣本數(shù)據(jù)集的代價函數(shù)值最小的參數(shù)；

在所述深度網(wǎng)絡(luò)訓(xùn)練迭代計算過程中，利用softmax回歸方式進(jìn)行分類識別以確定所 述多個目標(biāo)物。

2.根據(jù)權(quán)利要求1所述的融合類別屬性的深度網(wǎng)絡(luò)地下目標(biāo)識別方法，其特征在于，所 述對接收到的多個地下目標(biāo)物返回的探地雷達(dá)回波信號即GPR回波信號進(jìn)行預(yù)處理，具體 包括：

對多個所述GPR回波信號分別進(jìn)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(jù)權(quán)利要求2所述的融合類別屬性的深度網(wǎng)絡(luò)地下目標(biāo)識別方法，其特征在于，設(shè) 接收到的所述探地雷達(dá)回波信號共有m個，根據(jù)所述多個目標(biāo)信號建立數(shù)據(jù)樣本集，具體 為：

從所述m個GPR回波信號中提取目標(biāo)信號A-scan數(shù)據(jù)，并組合成目標(biāo)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(shù)據(jù)，每個A-scan數(shù)據(jù)為矩陣X中的一 列，對應(yīng)的樣本類別矩陣為{y⁽ⁱ⁾},i＝1,2,…,m，y⁽ⁱ⁾是樣本數(shù)據(jù)x⁽ⁱ⁾對應(yīng)的類別信息標(biāo)簽，m 個樣本數(shù)據(jù)構(gòu)成的樣本數(shù)據(jù)集為{(x⁽¹⁾,y⁽¹⁾),…,(x^(m),y^(m))}，其分別屬于k個類別。

4.根據(jù)權(quán)利要求3所述的融合類別屬性的深度網(wǎng)絡(luò)地下目標(biāo)識別方法，其特征在于，深 度網(wǎng)絡(luò)分類器對所述樣本數(shù)據(jù)集內(nèi)的數(shù)據(jù)進(jìn)行深度網(wǎng)絡(luò)訓(xùn)練迭代計算，尋找使得所述樣本 數(shù)據(jù)集的代價函數(shù)值最小的參數(shù)，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(shù)據(jù)，通過下式計算所述 深度網(wǎng)絡(luò)的第i隱層的狀態(tài)：

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(shù)，即權(quán)值向量，b為偏置項；

B、通過BP算法計算得到使所述樣本數(shù)據(jù)集的代價函數(shù)值最小的全局最優(yōu)權(quán)值向量W和 偏置項b，其中所述樣本數(shù)據(jù)集的代價函數(shù)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(wǎng)絡(luò)層數(shù)和l層單元數(shù)，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(shù)，是隱藏層j單元平均輸出值；

是代價函數(shù)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(wǎng)絡(luò)的第i隱層的自動 編碼器的網(wǎng)絡(luò)輸出向量；

是權(quán)重衰減項，λ為權(quán)重衰減參數(shù)；

其中，在網(wǎng)絡(luò)訓(xùn)練每個迭代過程中，用梯度下降法對目標(biāo)函數(shù)J(W,b)進(jìn)行優(yōu)化。