[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別變體飛機(jī)高分辨距離像方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910201317.4
• 申請(qǐng)日: 2019-03-18
• 公開(kāi)（公告）號(hào): CN109946667B
• 公開(kāi)（公告）日: 2022-12-02
• 發(fā)明（設(shè)計(jì)）人: 王鵬輝;劉宏偉;宋曉龍;陳渤;嚴(yán)俊坤;糾博;王英華;孟亦然
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G01S7/41
• 分類號(hào): G01S7/41
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

一種基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別變體飛機(jī)高分辨距離像方法。其步驟為：(1)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)；(2)生成高分辨距離像樣本集；(3)對(duì)每個(gè)樣本的幅度進(jìn)行歸一化處理；(4)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)；(5)目標(biāo)識(shí)別；本發(fā)明通過(guò)構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)變體飛機(jī)和非變體飛機(jī)的高分辨距離像的共性特征進(jìn)行學(xué)習(xí)，并根據(jù)學(xué)習(xí)到的共性特征實(shí)現(xiàn)對(duì)變體飛機(jī)的高分辨距離像的穩(wěn)健識(shí)別，能夠有效地解決變體飛機(jī)與相對(duì)應(yīng)的非變體飛機(jī)的高分辨距離像存在差異導(dǎo)致的對(duì)變體飛機(jī)正確識(shí)別率下降的問(wèn)題，本發(fā)明具有顯著降低變體部分對(duì)變體飛機(jī)的識(shí)別帶來(lái)的影響，有效提高了對(duì)變體飛機(jī)的識(shí)別性能的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，更進(jìn)一步涉及目標(biāo)識(shí)別技術(shù)領(lǐng)域中的一種基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別變體飛機(jī)高分辨距離像方法。本發(fā)明采用卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)變體飛機(jī)的高分辨距離像的自動(dòng)識(shí)別。

背景技術(shù)

雷達(dá)高分辨距離像是一維圖像，是寬帶雷達(dá)獲取的目標(biāo)散射中心距離像在雷達(dá)視線上投影的矢量和。高分辨距離像不僅包含了目標(biāo)的尺寸和散射中心等結(jié)構(gòu)信息，還具有容易獲取以及處理簡(jiǎn)單的優(yōu)點(diǎn)，因此在雷達(dá)目標(biāo)識(shí)別領(lǐng)域受到了廣泛關(guān)注。

飛機(jī)的外形并不是一直不變的，例如由于作戰(zhàn)環(huán)境的不同，飛機(jī)的外形會(huì)發(fā)生不同的變化，副油箱的掛載以及武器的掛載都會(huì)使得飛機(jī)外形發(fā)生變化，相應(yīng)地會(huì)引起雷達(dá)高分辨距離像的變化，人們將這類發(fā)生形變的飛機(jī)稱為變體飛機(jī)。變體飛機(jī)外形結(jié)構(gòu)的變化使得其高分辨距離像隨之改變，因而將與庫(kù)內(nèi)同類型的非變體飛機(jī)的高分辨距離像之間存在失配，最終導(dǎo)致對(duì)變體飛機(jī)高分辨距離像的識(shí)別性能嚴(yán)重下降，甚至失去識(shí)別能力。

目前現(xiàn)有的關(guān)于變體飛機(jī)的識(shí)別方法是先去除變體飛機(jī)高分辨距離像中的變體飛機(jī)部分，即先將變體飛機(jī)高分辨距離像恢復(fù)成非變體飛機(jī)高分辨距離像，再利用傳統(tǒng)的目標(biāo)識(shí)別方法進(jìn)行識(shí)別，識(shí)別率的高低取決于變體部分的去除效果。

西安電子科技大學(xué)在其申請(qǐng)的專利文獻(xiàn)“基于塊稀疏貝葉斯學(xué)習(xí)的變體目標(biāo)高分辨距離像識(shí)別方法”(專利申請(qǐng)?zhí)枺?01810978483.0，申請(qǐng)公布號(hào)：CN 109190693 A)中提出了一種基于塊稀疏貝葉斯學(xué)習(xí)的變體目標(biāo)高分辨距離像識(shí)別方法。該方法首先建立變體目標(biāo)高分辨距離像的數(shù)學(xué)模型，定義變體目標(biāo)數(shù)學(xué)模型中各個(gè)變量的先驗(yàn)概率和其先驗(yàn)概率參數(shù)的先驗(yàn)分布，然后通過(guò)塊稀疏貝葉斯學(xué)習(xí)迭代求解模型獲取變體目標(biāo)高分辨距離像中的變體成分，再?gòu)淖凅w目標(biāo)高分辨距離像中去除變體成分，最后用自適應(yīng)高斯分類器對(duì)恢復(fù)出的去除變體成分后的高分辨距離像進(jìn)行識(shí)別。該方法存在的不足之處是，對(duì)于稀疏度較小的高分辨距離像難以有效消除變體部分的影響，此時(shí)識(shí)別率相對(duì)較低。

朱文強(qiáng)在其發(fā)表的論文“基于結(jié)構(gòu)稀疏先驗(yàn)的變體目標(biāo)識(shí)別方法研究”(西安電子科技大學(xué)2017-06-01)中提出了一種基于結(jié)構(gòu)稀疏先驗(yàn)的變體目標(biāo)識(shí)別方法，該方法利用變體分量具有塊稀疏的特點(diǎn),對(duì)變體分量單獨(dú)建模,并分離出變體分量,獲取原始目標(biāo)未形變的高分辨距離像。在此基礎(chǔ)上進(jìn)行識(shí)別,改善了對(duì)變體目標(biāo)的識(shí)別性能。該方法存在的不足之處是，采用了較為簡(jiǎn)單的自適應(yīng)高斯分類器，因此識(shí)別率相對(duì)較低。

發(fā)明內(nèi)容

本發(fā)明的目的是針對(duì)上述現(xiàn)有技術(shù)存在的不足，提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的識(shí)別變體飛機(jī)高分辨距離像方法。

實(shí)現(xiàn)本發(fā)明目的的思路是，構(gòu)建并訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)對(duì)變體飛機(jī)的高分辨距離像與非變體飛機(jī)的高分辨距離像之間的共性特征進(jìn)行學(xué)習(xí)，再根據(jù)學(xué)習(xí)到的共性特征對(duì)變體飛機(jī)的高分辨距離像進(jìn)行識(shí)別。

本發(fā)明實(shí)現(xiàn)的具體步驟包括如下：

(1)構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)：

(1a)搭建一個(gè)由卷積層和池化層交替連接組成四個(gè)基本層后再與一層全連接層相連的九層卷積神經(jīng)網(wǎng)絡(luò)；

(1b)設(shè)置卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)如下：