[發明專利]基于深度卷積神經網絡的雷達一維距離像目標識別方法

有效

• 申請號: 201810806078.0
• 申請日: 2018-07-20
• 公開（公告）號: CN109086700B
• 公開（公告）日: 2021-08-13
• 發明（設計）人: 潘勉;于彥貞;楊坤興;李訓根;呂帥;周濤;曹靜;劉愛林
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01S7/41
• 代理公司: 浙江永鼎律師事務所 33233
• 代理人: 雷仕榮

本發明公開了基于深度卷積神經網絡的雷達一維距離像目標識別方法，包括以下步驟：采集數據集，對采集到的數據進行預處理，從預處理后的數據中提取特征，設立閾值將采集到的雷達HRRP信號分成低信噪比和高信噪比樣本兩個部分，構建基于穩健玻爾茲曼的特征增強算法，構建基于卷積神經網絡和基于LSTM的雙向循環神經網絡的HRRP目標識別模型，使用梯度下降算法對構建的網絡模型的參數進行微調，得到有效的目標識別模型。本發明構建小樣本穩健性和噪聲穩健性的雷達HRRP自動目標識別技術具有很強的工程實用性，從特征提取和分類器的設計方面，提出了一種基于卷積神經網絡+循環神經網絡的雷達一維距離像目標識別模型。

技術領域

本發明屬于雷達目標識別領域，涉及一種基于深度卷積神經網絡的雷達一維距離像目標識別方法。

背景技術

雷達自動目標識別是依據電磁散射理論，通過提取雷達回波信號中的特征，并對特征進行處理，來確定雷達目標所屬的種類、型號等屬性。自從20世紀60年代以來，美國專門建立了“彈道導彈預警系統”，從此便將雷達識別列入了重要開發計劃，隨后又將HRRP(高分辨率距離像)自動目標識別列入重要研發計劃，并且在美國的高校內建立了雷達識別平臺，在這個基礎上，美國的多所高校運用雷達仿真軟件建立用于仿真的HRRP信號，并以此為基礎建立了很多完備的多目標HRRP數據庫。隨后，在90年代，俄羅斯也針對雷達識別領域建立了完備的目標數據庫，這些都為雷達目標的識別奠定了堅實的基礎。經過多年發展，雷達的自動識別已經能在完備的數據庫中達到很好的效果。隨著技術的發展，在實際的雷達目標識別中，待識別的目標一般不是出自于雷達HRRP數據庫，而是實際作戰中的高速非合作目標，因此雷達HRRP自動目標識別的內容逐步從合作目標、完備目標數據庫識別發展向非合作目標的HRRP自動識別過渡。相比合作目標、完備HRRP數據庫的雷達HRRP目標識別，高速非合作目標的識別存在兩大難題：1.小樣本識別；2.低信噪比HRRP穩健識別，小樣本識別難題指的是當訓練樣本個數接近或小于樣本維度時產生的諸如參數估計不準確、分類器的識別性能以及推廣性能急劇下降等一系列問題。解決這些問題最簡單的辦法是增加訓練樣本數量，然而通常對于高速非合作的敵方目標(如戰斗機等)，雷達很難檢測并持續跟蹤獲得大量HRRP樣本，無法滿足很多分類器估計模型參數的基本要求，導致算法失效。低信噪比HRRP穩健識別的成因是在實際工程中，用于訓練樣本庫中的HRRP數據集通常由合作情況下的實驗獲取或者直接由電磁仿真程序生成，其信噪比較高；但測試階段一般在實際戰場條件下進行，一方面此時電磁環境非常復雜，目標回波中總會含有一定的噪聲導致所獲取的HRRP信噪比較低，而高信噪比下訓練，低信噪比下識別是雷達實際工作應用中不可避免的模式。因此解決高信噪比下訓練低信噪比下測試是非常有意義的。

發明內容

為解決上述問題，本發明針對上述提到的高速非合作目標HRRP識別中存在的不足，構建小樣本穩健性和噪聲穩健性的雷達HRRP目標自動識別技術具有很強的工程實用性，從特征提取和分類器的設計方面，提出了一種基于深度卷積神經網絡的雷達一維距離像目標識別技術。

為實現上述目的，本發明的技術方案為基于深度卷積神經網絡的雷達一維距離像目標識別方法，包括以下步驟：

S1：采集數據集，將N個雷達采集到的HRRP數據集依據目標的種類進行合并，其中目標的種類為5，每種種類的數據分別在不同的數據段里選擇訓練樣本和測試樣本，在訓練集和測試集樣本的選取過程中，保證所選取的訓練集的數據與雷達所成姿態涵蓋測試數據集與雷達所成的姿態，各類目標訓練集和測試集的樣本數的比例為8:2，將挑選的數據集記作其中X_i表示第i個樣本，y_k表示第k種目標，i₀表示樣本總數。

S2：對S1采集到的數據進行預處理，對挑選的數據集T中的每一個樣本使用補償對齊法進行對齊，然后再對對齊的樣本加入小強度的高斯隨機噪聲，隨機左右平移很小的單位擴充數據集，再對擴充后的數據集進行能量歸一化得到歸一化后的數據；