[發明專利]基于雙層雙通道卷積神經網絡的多類型進動彈頭參數估計方法

有效

• 申請號: 202011263534.5
• 申請日: 2020-11-12
• 公開（公告）號: CN112487704B
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 陳如山;丁大志;樊振宏;何姿;李猛猛;張曉杰;張杰
• 申請（專利權）人: 南京理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 王瑋

1.一種基于雙層雙通道卷積神經網絡的多類型進動彈頭參數估計方法，其特征在于，包括以下步驟：

步驟1、在一個視角下對一種類型的不同大小的彈頭發射單一頻率脈沖，得到該視角下同一類型不同大小彈頭的主極化回波數據；

步驟2、從另一視角下發射單一頻率脈沖，得到該視角下同一類型不同大小彈頭的主極化回波數據；

步驟3、換另一種類型的彈頭重復步驟1和步驟2，直至所有類型的彈頭都有兩種視角下的主極化回波；

步驟4、對得到的回波數據進行時頻變換，得到大量的時頻圖；

步驟5、將同一彈頭兩種視角兩種主極化下的四張時頻圖作為一組數據，將得到的數據劃分為訓練集和測試集；

步驟6、搭建雙通道雙層卷積神經網絡回歸模型；雙通道雙層卷積神經網絡的前向傳播和反向傳遞的公式推導，具體如下：

其中，表示第l層的第j個神經元的輸出；σ是激活函數，選擇Sigmoid函數、tanh函數或ReLU函數；表示第l層的第j個神經元的中間輸出，就是還未經過激活函數，它是第l-1層神經元的線性疊加；表示第l-1層的第k個神經元到第l層的第j個神經元的線性系數；是第l-1層的第k個神經元的數值；表示第l層的第j個神經元的偏置；表示第l-1層m個神經元的線性組合；將上式改寫為向量表現形式：

a^l＝σ(z^l)＝σ(W^la^l-1+b^l)

對于第l層的未激活輸出z^l，利用鏈式法則求得：

第l層的待更新參數W^l,b^l的梯度和第l層的未激活輸出z^l有如下關系式：

z^l＝W^la^l+b^l

可求出第l層的參數W^l,b^l的梯度：

從上式可得出要要求出第l層的參數W^l,b^l的梯度，首先要求出δ^l；第l層的δ^l和第l+1層的δ^l+1有如下關系式：

所以首先要求出而z^l+1和z^l有如下關系：

z^l+1＝W^l+1a^l+1+b^l+1＝W^l+1σ(z^l)+b^l+1

從而得到：

此時可得：

由它們可算出任意一層的待更新參數W^l,b^l的梯度；

步驟7、將步驟5得到的訓練集行進訓練；

步驟8、將步驟5的測試集進行測試，并得到各類型彈頭各參數的相對均方根誤差。

2.根據權利要求1所述的基于雙層雙通道卷積神經網絡的多類型進動彈頭參數估計方法，其特征在于，建立彈頭的幾何模型，具體如下：

對于平底錐模型，H為錐體高度，r為錐體半徑；對于柱體錐模型，H為錐體高度，r為柱體半徑；對于裙錐模型，H為錐體高度，h為圓臺高度，r₁為圓臺上半徑，r₂為圓臺下半徑。

3.根據權利要求1所述的基于雙層雙通道卷積神經網絡的多類型進動彈頭參數估計方法，其特征在于，步驟8所述的相對均方根誤差，具體如下