[發(fā)明專利]基于空間金字塔池化網(wǎng)絡(luò)的重頻變化穩(wěn)健目標(biāo)識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202011626341.1
• 申請(qǐng)日: 2020-12-31
• 公開（公告）號(hào): CN112666533B
• 公開（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 王鵬輝;丁軍;劉宏偉;陳婷;徐一兼;陳渤;糾博
• 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;G06K9/62;G06N3/04;G06N3/08
• 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

1.一種基于空間金字塔池化網(wǎng)絡(luò)的重頻變化穩(wěn)健目標(biāo)識(shí)別方法，其特征在于，通過構(gòu)造空間金字塔池化網(wǎng)絡(luò)，對(duì)不同維度大小的雷達(dá)回波信號(hào)提取固定維度大小的特征，該方法的步驟包括如下：

(1)構(gòu)建空間金字塔池化網(wǎng)絡(luò)：

搭建一個(gè)12層的空間金字塔池化網(wǎng)絡(luò)，其結(jié)構(gòu)依次為：輸入層，第一卷積層，第一池化層，第一激活層，第二卷積層，第二池化層，第二激活層，第三卷積層，空間金字塔池化層，第一全連接層，第二全連接層，softmax層；

設(shè)置各層參數(shù)如下：將第一至第三卷積層的卷積核個(gè)數(shù)分別設(shè)置為4、4、8，卷積核大小均設(shè)置為3×3，卷積核移動(dòng)步長(zhǎng)均設(shè)置為1；第一至第二池化層的池化策略均采用最大池化方法，池化卷積核大小均設(shè)置為2×2，池化卷積核移動(dòng)步長(zhǎng)均設(shè)置為2；第一至第二激活層均采用ReLu激活函數(shù)；空間金字塔池化層的三個(gè)池化空間箱大小分別為4×4、2×2和1×1；兩層全連接層的神經(jīng)元個(gè)數(shù)分別設(shè)置為64、16；softmax層采用softmax函數(shù)用于計(jì)算輸入樣本被識(shí)別為每一類的概率；

(2)生成訓(xùn)練集：

(2a)提取包含M個(gè)類別目標(biāo)的單一脈沖重復(fù)頻率下的雷達(dá)回波信號(hào)作為訓(xùn)練數(shù)據(jù)集，每個(gè)類別至少包含800個(gè)雷達(dá)回波信號(hào)，M≥3；

(2b)利用區(qū)域CLEAN方法，對(duì)訓(xùn)練數(shù)據(jù)集中的每個(gè)回波信號(hào)進(jìn)行雜波抑制；

(2c)利用全域CLEAN方法，去除雜波抑制后的每個(gè)回波信號(hào)中的主體分量；

(2d)對(duì)去除主體分量的每個(gè)回波信號(hào)的幅度進(jìn)行模二范數(shù)歸一化處理，得到訓(xùn)練集；

(3)訓(xùn)練空間金字塔池化網(wǎng)絡(luò)：

(3a)將預(yù)處理后的訓(xùn)練數(shù)據(jù)集輸入到空間金字塔池化網(wǎng)絡(luò)的輸入層，依次經(jīng)過第一卷積層，第一池化層，第一激活層，第二卷積層，第二池化層，第二激活層，第三卷積層，輸出八個(gè)維度大小均為1×a的第一回波特征，a為正整數(shù)，a的大小根據(jù)輸入信號(hào)維度確定；

(3b)將八個(gè)第一回波特征輸入到空間金字塔池化網(wǎng)絡(luò)的空間金字塔池化層中，按照1×4，1×2，1×1三種不同尺度的池化空間箱對(duì)每個(gè)第一回波特征分別進(jìn)行空間金字塔池化運(yùn)算后，輸出大小分別為1×4，1×2，1×1的三個(gè)第二回波特征，將三個(gè)第二回波特征拼接后得到特征大小為1×7的第三回波特征，空間金字塔層輸出由八個(gè)第三回波特征構(gòu)成的一個(gè)空間金字塔層特征圖，每個(gè)第三回波特征維度的大小均為1×7；

(3c)將空間金字塔層特征圖輸入到空間金字塔池化網(wǎng)絡(luò)的第一全連接層，第二全連接層，softmax層，輸出空間金字塔池化網(wǎng)絡(luò)的預(yù)測(cè)分類標(biāo)簽；

(3d)利用交叉熵?fù)p失函數(shù)，計(jì)算預(yù)測(cè)分類標(biāo)簽與目標(biāo)真實(shí)類別標(biāo)簽間的損失，再利用反向傳播算法迭代更新網(wǎng)絡(luò)參數(shù)，直到交叉熵?fù)p失函數(shù)收斂為止，得到訓(xùn)練好的空間金字塔池化網(wǎng)絡(luò)；

(4)對(duì)測(cè)試樣本進(jìn)行預(yù)處理：

(4a)將雷達(dá)實(shí)時(shí)接收的回波信號(hào)作為測(cè)試樣本；

(4b)利用區(qū)域CLEAN方法，對(duì)測(cè)試樣本的每個(gè)回波信號(hào)進(jìn)行雜波抑制；

(4c)利用全域CLEAN方法，去除雜波抑制后的每個(gè)回波信號(hào)中的主體分量；

(5)目標(biāo)識(shí)別：

將預(yù)處理后的測(cè)試樣本輸入到訓(xùn)練好的空間金字塔池化網(wǎng)絡(luò)中，通過softmax層計(jì)算出待識(shí)別目標(biāo)被識(shí)別為各類的概率，并選擇最高概率對(duì)應(yīng)的類別作為識(shí)別結(jié)果。