[發明專利]基于一維卷積神經網絡的雷達高分辨距離像目標識別方法

有效

• 申請號: 201710838721.3
• 申請日: 2017-09-18
• 公開（公告）號: CN107728143B
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 陳渤;沈夢啟;萬錦偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/89
• 分類號: G01S13/89;G01S7/41;G01S13/04
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

本發明公開了一種基于一維卷積神經網絡的雷達高分辨距離像目標識別方法，思路為：確定Q個不同雷達，所述Q個不同雷達的檢測范圍內存在目標，并獲取Q個不同雷達的高分辨雷達回波，然后從Q個不同雷達的高分辨雷達回波中獲取Q類高分辨距離成像數據，并將Q類高分辨距離成像數據分為訓練樣本集和測試樣本集，然后將Q類高分辨距離成像數據記為原始數據x；根據原始數據x，計算得到均值歸一化處理后的數據x”'；設定一維卷積神經網絡模型，使用訓練樣本集和均值歸一化處理后的數據x”'對該一維卷積神經網絡模型進行構建，得到訓練好的卷積神經網絡；使用測試樣本集對訓練好的卷積神經網絡進行目標識別，得到基于一維卷積神經網絡的雷達高分辨距離像目標識別結果。

技術領域

本發明屬于雷達技術領域，特別涉及一種基于一維卷積神經網絡的雷達高分辨距離像目標識別方法，適用于對雷達高分辨距離像數據進行目標識別，以及用于環境檢測和航跡跟蹤。

背景技術

雷達的距離分辨率正比于匹配濾波后的接收脈沖寬度，且雷達發射信號的距離單元長度滿足：△R為雷達發射信號的距離單元長度，c為光速，τ為匹配接收的脈沖寬度，B為雷達發射信號的帶寬；大的雷達發射信號帶寬提供了高的距離分辨率(HRR)。實際上雷達距離分辨率的高低是相對于觀測目標而言的，當所觀測目標沿雷達視線方向的尺寸為L時，如果L＜＜△R，則對應的雷達回波信號寬度與雷達發射脈沖寬度(匹配處理后的接收脈沖)近似相同，通常稱為“點”目標回波，這類雷達為低分辨雷達；如果L＞＞△R，則目標回波成為按目標特性在距離上延伸的“一維距離像”，這類雷達為高分辨雷達；＜＜表示遠遠小于，＞＞表示遠遠大于。

高分辨雷達工作頻率相對于一般目標位于光學區(高頻區)，發射寬帶相干信號(線性調頻或步進頻率信號)，雷達通過目標對發射電磁波的后向散射，接收到回波數據。通常回波特性采用簡化的散射點模型計算得到，即采用忽略多次散射的波恩(Born)一級近似。

高分辨雷達回波中呈現出的起伏和尖峰，反映著在一定雷達視角時目標上散射體(如機頭、機翼、機尾方向舵、進氣孔、發動機等等)的雷達散射截面積(RCS)沿雷達視線(RLOS)的分布情況，體現了散射點在徑向的相對幾何關系，常稱為高分辨距離像(HRRP)。因此，HRRP樣本包含目標重要的結構特征，對目標識別與分類很有價值。

目前，已經發展出許多針對高分辨距離像數據的目標識別方法，例如，可以直接使用較為傳統的支持向量機直接對目標進行分類，或者使用基于限制玻爾茲曼機的特征提取方法先將數據投影到高維空間中再用分類器分類數據；但上述各種方法僅僅利用了信號的時域特征，且目標識別準確率不高。

發明內容

針對上述現有技術存在的不足，本發明目的在于提出一種基于一維卷積神經網絡的雷達高分辨距離像目標識別方法，該種基于一維卷積神經網絡的雷達高分辨距離像目標識別方法是一種針對雷達高分辨距離像數據的基于一維卷積神經網絡的目標識別方法，能夠提高目標的識別的準確率。

本發明的主要思路：確定Q個不同雷達，所述Q個不同雷達的檢測范圍內存在目標，并獲取Q個不同雷達的高分辨雷達回波，然后從Q個不同雷達的高分辨雷達回波中獲取Q類高分辨距離成像數據，并將Q類高分辨距離成像數據分為訓練樣本集和測試樣本集，然后將Q類高分辨距離成像數據記為原始數據x；根據原始數據x，計算得到均值歸一化處理后的數據x”'；設定一維卷積神經網絡模型，使用訓練樣本集和歸一化處理后的數據x”'對該一維卷積神經網絡模型進行構建，得到訓練好的卷積神經網絡；使用測試樣本集對訓練好的卷積神經網絡進行目標識別，得到基于一維卷積神經網絡的雷達高分辨距離像目標識別結果。

為達到上述技術目的，本發明采用如下技術方案予以實現。

一種基于一維卷積神經網絡的雷達高分辨距離像目標識別方法，包括以下步驟：