[發明專利]一種基于卷積神經網絡的空間非合作目標角速度測量方法

有效

• 申請號: 202011176669.8
• 申請日: 2020-10-28
• 公開（公告）號: CN112327317B
• 公開（公告）日: 2023-09-22
• 發明（設計）人: 鄭子軒;馬川;安效民
• 申請（專利權）人: 西北工業大學深圳研究院;西北工業大學
• 主分類號: G01S17/08
• 分類號: G01S17/08;G01S7/48;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 李紅霖

1.一種基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，利用仿真法生成訓練數據，訓練卷積神經網絡，得到訓練好的卷積神經網絡；

將激光測距雷達測到的原始距離數據進行預處理，將預處理完畢的原始距離數據輸入到訓練好的卷積神經網絡中，得到非合作目標的角速度；

預處理的具體過程為：

將原始距離數據矩陣中所有元素進行重新排列，對于第i行、第j列的元素，若將其移動到第(2i-1)行，否則移動到第2(N-i+1)行；若將其移動到第(2j-1)列，否則移動到第2(M-j+1)列；

其中，1≤i≤N，1≤j≤M，N為原始距離數據矩陣的總行數，M為總列數。

2.根據權利要求1所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，包括以下步驟：

S1、根據激光測距雷達的原始距離數據維度，構造一個卷積神經網絡；

S2、根據所述卷積神經網絡的結構，通過計算機仿真生成訓練數據；

S3、使用訓練數據對卷積神經網絡的權重進行訓練；

S4、將激光測距雷達測量得到的原始距離數據進行預處理；

S5、將預處理完畢的原始距離數據輸入到訓練好的神經網絡中，得到非合作目標的角速度。

3.根據權利要求2所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，S1中的原始距離數據包含兩個矩陣，所述兩個矩陣中分別存儲著兩個相鄰時刻激光發射器沿空間各方向探測到的距離目標的長度。

4.根據權利要求2所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，S1中設計的卷積神經網絡包括若干個卷積層、與卷積層數目相等的池化層、一個展開層以及若干個全連接層，以激光測距雷達的原始距離數據為輸入，以目標的角速度的三個分量為輸出。

5.根據權利要求4所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，所述卷積層和池化層的采樣窗口均為2×2或3×3；

卷積層和池化層的層數將原始距離數據的總維數降低至500～2000；

全連接層的層數滿足其待定權重的總數目在20000個以下。

6.根據權利要求2所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，S2中生成的訓練數據包含輸入部分和輸出部分，兩部分的數據是一一對應的；

輸入部分與輸出部分的維度與卷積神經網絡相符。

7.根據權利要求6所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，訓練數據的總數目為卷積神經網絡待定權重1～100倍。

8.根據權利要求6所述的基于卷積神經網絡的空間非合作目標角速度測量方法，其特征在于，仿真過程中涉及的虛擬非合作目標的外形和角速度覆蓋實際任務中所有出現的目標外形和角速度。