[發(fā)明專利]一種基于卷積神經(jīng)網(wǎng)絡(luò)的SAR動(dòng)目標(biāo)檢測方法

在審

• 申請?zhí)枺?/td>: 201910065920.4
• 申請日: 2019-01-24
• 公開（公告）號: CN109709536A
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計(jì)）人: 劉喆;許曉晴
• 申請（專利權(quán)）人: 電子科技大學(xué)
• 主分類號: G01S13/58
• 分類號: G01S13/58;G01S7/02;G06N3/04
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發(fā)明公開一種基于卷積神經(jīng)網(wǎng)絡(luò)的SAR動(dòng)目標(biāo)檢測方法，應(yīng)用于SAR運(yùn)動(dòng)目標(biāo)檢測領(lǐng)域，針對現(xiàn)有技術(shù)存在的可用待檢測目標(biāo)輔助數(shù)據(jù)距離門個(gè)數(shù)要求高等缺陷，本發(fā)明的方法通過構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，并對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，根據(jù)神經(jīng)網(wǎng)絡(luò)檢測得到的總多普勒頻率、目標(biāo)相對合成孔徑的角度，計(jì)算得到目標(biāo)速度，從而實(shí)現(xiàn)SAR動(dòng)目標(biāo)檢測；具備在待檢測目標(biāo)輔助數(shù)據(jù)距離門個(gè)數(shù)少的情況下實(shí)現(xiàn)檢測的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，特別涉及一種合成孔徑雷達(dá)(Synthetic ApertureRadar,簡寫為SAR)的運(yùn)動(dòng)目標(biāo)檢測技術(shù)。

背景技術(shù)

動(dòng)目標(biāo)檢測(Moving Target Indication,簡寫為MTI)技術(shù)是合成孔徑雷達(dá)的一項(xiàng)關(guān)鍵技術(shù)。動(dòng)目標(biāo)檢測技術(shù)能夠檢測波束照射范圍內(nèi)的運(yùn)動(dòng)目標(biāo)，并對其運(yùn)動(dòng)速度等運(yùn)動(dòng)目標(biāo)參數(shù)進(jìn)行估計(jì)。

傳統(tǒng)MTI方法主要包括空時(shí)自適應(yīng)處理(Space time adaptive processing,簡寫為STAP)(參考文獻(xiàn)1：L.E.Brennan,L.S.Reed.Theory of adaptive radar[J].IEEETransactions on Aerospace and Electronic Systems,1973,9(2):237-252)，以及STAP的各種改進(jìn)算法(參考文獻(xiàn)2：H.Wang,L.Cai.On adaptive spatial-temporal processingfor airborne surveillance radar systems[J].IEEE Transactions on aerospace andelectronic systems,1994,30(3):660-670，參考文獻(xiàn)3：J.S.Goldstein,I.S.Reed.Reduced-rank adaptive filtering[J].IEEE Transactions on SignalProcessing,1997,45(2):492-496)。近年來，有研究者提出利用機(jī)器學(xué)習(xí)中的線性分類器和多項(xiàng)式分類器實(shí)現(xiàn)MTI的方法(參考文獻(xiàn)4：A.E.Khatib,K.Assaleh,H.Mir.Learning-based space-time adaptive processing[C]//International Conference onCommunications.IEEE,2013:1-4，參考文獻(xiàn)5：A.E.Khatib,K.Assaleh,H.Mir.Space-timeadaptive processing using pattern classification[J].IEEE Transactions onSignal Processing,2015,63(3):766-779)。然而，這些方法存在對可用待檢測目標(biāo)輔助數(shù)據(jù)距離門個(gè)數(shù)要求高、或僅能在SAR運(yùn)動(dòng)目標(biāo)信號-雜波功率比較高的情況下實(shí)現(xiàn)檢測等缺陷，因而現(xiàn)有的MTI方法應(yīng)用受限，難以滿足實(shí)際應(yīng)用的需求。

發(fā)明內(nèi)容

為解決上述技術(shù)問題，本發(fā)明提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的SAR動(dòng)目標(biāo)檢測方法，在可用輔助數(shù)據(jù)距離門不足和低信雜比的情況下可實(shí)現(xiàn)準(zhǔn)確的SAR動(dòng)目標(biāo)檢測。

本發(fā)明采用的技術(shù)方案為：一種基于卷積神經(jīng)網(wǎng)絡(luò)的SAR動(dòng)目標(biāo)檢測方法，包括：

S1、構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)；包括：4個(gè)卷積層、2個(gè)池化層、2個(gè)全連接層以及1個(gè)最終分類層共計(jì)9層，記為：第1層卷積層、第2層卷積層、第3層池化層、第4層卷積層、第5層卷積層、第6層池化層、第7層全連接層、第8層全連接層以及第9層最終分類層；第1層卷積層的卷積核大小為5×1，通道個(gè)數(shù)為64，第2層卷積層的卷積核大小為5×1，通道個(gè)數(shù)為96，第3層池化層的濾波器大小為3×3，步長為1，第4層卷積層的卷積核大小為5×1，通道個(gè)數(shù)為128，第5層卷積層的卷積核大小為5×1，通道個(gè)數(shù)為128，第6層池化層的濾波器大小為3×3，步長為2，第7層全連接層的輸出節(jié)點(diǎn)為1000個(gè)；第8層全連接層的輸出節(jié)點(diǎn)為192個(gè)；第9層最終分類層的輸出節(jié)點(diǎn)為K個(gè)；