[發明專利]一種基于循環神經網絡模型的雷達目標識別方法

在審

• 申請號: 201810539882.7
• 申請日: 2018-05-30
• 公開（公告）號: CN108957418A
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 陳渤;劉家麒;徐彬
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41;G06N3/04
• 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

1.一種基于循環神經網絡模型的雷達目標識別方法，其特征在于，所述方法包括：

步驟1，獲取雷達高分辨距離像HRRP數據，所述HRRP數據包括N個距離像以及所述N個距離像中各距離像對應的類別標識，N為正整數；

將所述N個距離像中的每個距離像作為一個樣本、各距離像對應的類別標識作為樣本的類別標識，即得到N個樣本及其類別標識；

對所述N個樣本分別進行預處理，得到N個預處理后的樣本；

步驟2，將所述N個預處理后的樣本隨機分為訓練樣本或測試樣本，所有訓練樣本構成訓練樣本集合，所有測試樣本構成測試樣本集合；

步驟3，利用所述訓練樣本集合，對循環神經網絡模型進行一次訓練，得到此次訓練對應的第一識別準確率和損失函數以及此次訓練得到的循環神經網絡模型；

利用此次訓練得到的循環神經網絡模型對所述測試樣本集合中各測試樣本進行目標識別，確定測試樣本的分類類別，并根據各測試樣本的分類類別及類別標識，判斷各測試樣本是否被正確識別，進而得到所述測試集合中測試樣本的識別準確率，記作此次訓練對應的第二識別準確率；

步驟4，根據所述第一識別準確率、所述損失函數以及所述第二識別準確率，確定訓練是否結束：若確定訓練結束，則將此次訓練得到的循環神經網絡模型作為訓練完成的循環神經網絡模型，并轉至步驟5；若確定訓練未結束，則重復執行步驟2-步驟3，直至訓練結束；

步驟5，獲取待識別樣本，利用所述訓練完成的循環神經網絡模型對所述待識別樣本進行目標識別，確定所述待識別樣本的分類類別。

2.根據權利要求3所述的方法，其特征在于，步驟4中，所述根據所述第一識別準確率、所述損失函數以及所述第二識別準確率，確定訓練是否結束，具體包括：

判斷此次訓練對應的第一識別準確率與上一次訓練對應的第一識別準確率差值的絕對值、此次訓練對應的損失函數與上一次訓練對應的損失函數差值的絕對值、此次訓練對應的第二識別準確率與上一次訓練對應的第二識別準確率差值的絕對值，是否均小于預設閾值：

若是，則令累計值C加1，并判斷累計值C是否等于預設累計值，若累計值C等于所述預設累計值，則確定訓練結束；若累計值C不等于所述預設累計值，確定訓練未結束；其中，初次迭代時，C＝0；

若否，則令累計值C等于0，確定訓練未結束。