[發明專利]利用深度學習卷積神經網絡估計復雜微動空間錐體目標參數的方法

在審

• 申請號: 202010366837.3
• 申請日: 2020-04-30
• 公開（公告）號: CN111598232A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 陳如山;丁大志;樊振宏;何姿;李猛猛;葉曉東;張杰;張曉杰
• 申請（專利權）人: 南京理工大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G06T17/00;G01S13/50
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 朱顯國

本發明公開了一種利用深度學習卷積神經網絡估計復雜微動空間錐體目標參數的方法。該方法為：首先建立彈道導彈目標幾何模型，然后對目標發射單一頻率脈沖，接收目標的回波，通過對目標回波做時頻分析得到目標的時頻分布圖，將時頻圖作為CNN的輸入讓網絡學習時頻圖特征，最終得到錐體目標高度，底面半徑及進動角的估計值，之前估計空間錐體目標的方法是從時頻圖中估計目標的微多普勒頻率曲線，該方法穩定性差，估計的微多普勒頻率會對參數估計結果造成很大影響，本發明介紹的方法直接從時頻圖中提取特征，估計的穩定性和精度均有提升，而且之前的方法只能估計進動目標，而本發明的方法既能估計進動的空間錐體目標也能估計章動空間錐體目標的參數。

技術領域

本發明屬于信號處理技術領域，特別是一種利用卷積神經網絡估計復雜微動空間錐體目標幾何參數和微動參數的方法。

背景技術

彈道導彈在空中高速飛行時，自旋運動保持了其姿態的穩定性，橫向的干擾會使自旋運動轉化為進動的形式，其中自旋是指彈道導彈繞自身對稱軸的旋轉運動，進動是指彈道導彈在自旋的同時繞錐旋軸的旋轉。

空間目標識別是彈道導彈防御系統中至關重要的環節。中段飛行是彈道導彈飛行過程中歷時最長的，且所處的空間環境相對簡單，此時的目標表現為目標在平動的同時還繞質心小幅轉動。進動可以反映出更多的目標特征，如目標尺寸大小和質量分布等，這些特征對于真假目標識別是十分重要的，因此利用進動進行的目標參數估計得到了越來越多的研究。

在現代軍事戰爭中，彈道導彈的攻擊距離遠，打擊速度快，機動性能好，具有強大的戰略威懾能力。彈道導彈的飛行過程一般分為初始段、中段和再入段這三個階段。其中，初始段和再入段的飛行時間比較短暫，識別和攔截的拿督較大。而中段飛行一般在大氣層外，時間比較長，也是對目標進行識別的最佳時期，因此現階段的研究都集中在中段。

彈道導彈進入大氣層后，為了保持自身飛行的穩定性，彈頭目標在飛行的同時會保持自旋，為提高突防和生存能力，彈道導彈會釋放誘餌、碎片等干擾，因此也會產生橫向力矩從而產生進動和章動這些微動形式。因為導彈本身帶有姿態控制系統，而誘餌、碎片通常不包含姿態控制，因此，微動特征是一種有效識別空間錐體目標的重要特征。

我國現階段裝備的雷達主要為窄帶雷達，窄帶雷達的探測距離遠，能夠適應多種天氣環境全天候工作，是防御系統中重要的預警和探測設備，在目標識別和跟蹤探測中發揮著不可替代的作用，可以通過窄帶雷達獲得目標的時間-微多普勒譜。

發明內容

本發明的目的在于提供一種利用深度學習卷積神經網絡估計復雜微動空間錐體目標參數的方法。

實現本發明目的的技術解決方案為：一種利用深度學習卷積神經網絡估計復雜微動空間錐體目標參數的方法，步驟如下：

步驟1、建立錐體彈道導彈彈頭目標幾何模型，

步驟2、對彈道導彈目標發射持續時間t的單一頻率脈沖，接收該段時間t內彈道導彈目標的回波；

步驟3、對接收到的回波進行時頻變換，得到彈道導彈目標回波的時頻圖，構造訓練集和測試集；

步驟4、將訓練集時頻圖片放入卷積神經網絡中學習，訓練網絡；

步驟5、用測試集對訓練好的神經網絡進行測試，得到待估計目標的幾何參數和微動參數。

進一步地，步驟1所述的建立彈道導彈目標幾何模型，具體如下：

彈道導彈目標回波的錐頂瞬時微多普勒理論曲線為：

彈道導彈目標回波的錐頂瞬時微多普勒理論曲線為：