[發明專利]一種基于多頻回波數據實現大型復雜目標分類識別的方法

在審

• 申請號: 202010845657.3
• 申請日: 2020-08-20
• 公開（公告）號: CN114076924A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 王蕊;郭立新;郭廣濱;詹紹能;廖雷;張可佳
• 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
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 劉長春

1.一種基于多頻回波數據實現大型復雜目標分類識別的方法，其特征在于，包括：

接收雷達回波數據；

將所述雷達回波數據輸入至預先訓練完成的目標分類模型，得到目標分類識別結果；

其中，所述目標分類模型為一神經網絡模型，且所述目標分類模型是基于一多頻回波數據庫以及所述多頻回波數據庫中的每一回波數據對應的目標分類標簽所訓練獲得的，每一回波數據對應所述多頻中的一種頻率。

2.根據權利要求1所述的方法，其特征在于，所述多頻回波數據庫的構建方式包括：

構建各種目標的幾何模型；

針對每種目標，基于該種目標外殼的材質和結構，為該種目標的幾何模型包括的各個面元分別構建對應的介電參數模型，得到該種目標的初始建模模型；

基于每種目標的初始建模模型，分別構建每種目標的第一散射場模型；

針對每種目標，利用正交分析方法，分析并確定該種目標的第一散射場模型的多個敏感參數組合，并分別將每個敏感參數組合代入到該種目標的第一散射場模型中，得到該種目標的多個第二散射場模型；其中，所述敏感參數組合為對目標回波幅度的影響超過閾值的目標參數和/或雷達參數的組合，所述目標參數為目標的參數；

將各種不同的雷達工作頻率分別代入到每個第二散射場模型中，得到所述多頻回波數據庫。

3.根據權利要求2所述的方法，其特征在于，所述構建各種目標的幾何模型，包括：

獲取每種目標初始的插值面節點信息和初始的插值網格單元；

針對屬于飛行目標的每種目標，基于所獲取的該種目標的插值面節點信息和的插值網格單元，利用雙二次曲面插值方法構建該種目標的幾何模型；

針對屬于水體目標的每種目標，基于所獲取的該種目標的插值面節點信息和的插值網格單元，利用非均勻三角網格剖分方法構建該種目標外殼上的平面結構與棱邊結構，并利用元胞網格剖分方法構建該種目標外殼上的預設精細結構，得到該種目標的幾何模型。

4.根據權利要求3所述的方法，其特征在于，所述基于每種目標的初始建模模型，分別構建每種目標的第一散射場模型，包括：

針對屬于飛行目標的每種目標，基于該種目標的初始建模模型，利用駐相法的插值面積分方法構建該種目標外殼上的平面結構和曲面結構的散射場，并利用插值面繞射積分方法構建該種目標外殼上的棱邊結構的散射場，得到該種目標的第一散射場模型；

針對屬于水體目標的每種目標，基于該種目標的初始建模模型，利用三角面片光學追蹤方法構建該種目標外殼上的面類結構的散射場、利用元胞網格微分方法構建該種目標外殼上的預設精細結構的散射場、并利用三角面的繞射積分方法構建該種目標外殼上的棱邊結構的散射場，得到該種目標的第一散射場模型；其中，所述面類結構至少包括：多角面結構、平面結構、曲面結構以及腔體結構。

5.根據權利要求1所述的方法，其特征在于，所述目標分類模型的網絡結構包括：特征提取層、全連接層以及Softmax輸出層；

所述特征提取層包括多個級聯的特征提取單元，每個特征提取單元包括一個卷積層和一個池化層；所述特征提取層中，相鄰的卷積層和池化層之間均通過激活函數連接；

所述全連接層包括一個或多個。

6.根據權利要求5所述的方法，其特征在于，所述多頻回波數據庫中的回波數據均為歸一化的回波數據；

所述將所述雷達回波數據輸入至預先訓練完成的目標分類模型，得到目標分類識別結果，包括：

對所述雷達回波數據進行歸一化處理；

將歸一化處理后的雷達回波數據輸入至預先訓練完成的目標分類模型，得到目標分類識別結果。