[發(fā)明專利]多脈沖雷達(dá)信號(hào)的分辨性特征融合提取方法及識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110028601.3
• 申請(qǐng)日: 2021-01-11
• 公開（公告）號(hào): CN112346056B
• 公開（公告）日: 2021-03-26
• 發(fā)明（設(shè)計(jì)）人: 李驥;張會(huì)強(qiáng);王威;王新;歐建平;李剛
• 申請(qǐng)（專利權(quán)）人: 長沙理工大學(xué)
• 主分類號(hào): G01S13/89
• 分類號(hào): G01S13/89;G01S7/41;G01S7/36;G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 長沙國科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 邱軼

1.一種多脈沖雷達(dá)信號(hào)的識(shí)別方法，其特征在于，所述方法包括：

獲取多脈沖雷達(dá)信號(hào)；

對(duì)所述多脈沖雷達(dá)信號(hào)進(jìn)行CWD時(shí)頻分析，得到多脈沖雷達(dá)信號(hào)的二維時(shí)頻圖；將所述二維時(shí)頻圖進(jìn)行標(biāo)記，作為訓(xùn)練樣本；

構(gòu)建高分辨性特征融合提取網(wǎng)絡(luò)，所述高分辨性特征融合提取網(wǎng)絡(luò)包括卷積網(wǎng)絡(luò)、特征提取網(wǎng)絡(luò)和輸出網(wǎng)絡(luò)；所述特征提取網(wǎng)絡(luò)包括注意力特征提取模塊和分辨性特征融合特征提取模塊；所述注意力特征提取模塊用于提取所述訓(xùn)練樣本的空間注意力特征和通道注意力特征，得到多脈沖雷達(dá)信號(hào)的注意力特征圖；所述分辨性特征融合特征提取模塊執(zhí)行多脈沖雷達(dá)信號(hào)的分辨性特征融合提取方法，用于提取所述注意力特征圖的高分辨性特征；

根據(jù)所述訓(xùn)練樣本對(duì)所述高分辨性特征融合提取網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到多脈沖雷達(dá)信號(hào)識(shí)別模型；

獲取待測多脈沖雷達(dá)信號(hào)；

將所述待測多脈沖雷達(dá)信號(hào)進(jìn)行CWD時(shí)頻分析，得到待測二維時(shí)頻圖；

將所述待測二維時(shí)頻圖輸入到所述多脈沖雷達(dá)信號(hào)識(shí)別模型中，得到多脈沖雷達(dá)信號(hào)的類別；

所述多脈沖雷達(dá)信號(hào)的分辨性特征融合提取方法包括：

獲取多脈沖雷達(dá)信號(hào)特征圖；

對(duì)所述多脈沖雷達(dá)信號(hào)特征圖在空間維度分別進(jìn)行最大值池化和平均值池化，得到所述多脈沖雷達(dá)信號(hào)特征圖的第一通道權(quán)重系數(shù)和第二通道權(quán)重系數(shù)；

根據(jù)所述第一通道權(quán)重系數(shù)、所述第二通道權(quán)重系數(shù)、預(yù)設(shè)的第一激活函數(shù)、預(yù)設(shè)的第二激活函數(shù)以及所述多脈沖雷達(dá)信號(hào)特征圖，得到多脈沖雷達(dá)信號(hào)的通道權(quán)重特征圖；

對(duì)所述通道權(quán)重特征圖在通道維度分別進(jìn)行最大值池化和平均值池化，得到所述通道權(quán)重特征圖的第一空間權(quán)重特征矩陣和第二空間權(quán)重特征矩陣；

根據(jù)所述第一空間權(quán)重特征矩陣以及所述第二空間權(quán)重特征矩陣，得到通道數(shù)為2的特征圖；根據(jù)所述通道數(shù)為2的特征圖及所述通道權(quán)重特征圖，得到多脈沖雷達(dá)信號(hào)在空間與通道上的高分辨性特征圖；

將所述高分辨性特征圖與所述多脈沖雷達(dá)信號(hào)特征圖相加，得到信息完整的高分辨性特征圖；

根據(jù)所述信息完整的高分辨性特征圖，采用多種卷積核進(jìn)行多尺度融合提取，得到多脈沖雷達(dá)信號(hào)的高分辨性特征。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述第一激活函數(shù)為ReLU函數(shù)，所述第二激活函數(shù)為sigmoid函數(shù)；

根據(jù)所述第一通道權(quán)重系數(shù)、所述第二通道權(quán)重系數(shù)、第一激活函數(shù)、第二激活函數(shù)以及所述多脈沖雷達(dá)信號(hào)特征圖，得到多脈沖雷達(dá)信號(hào)的通道權(quán)重特征圖，包括：

將所述第一通道權(quán)重系數(shù)和所述第二通道權(quán)重系數(shù)使用ReLU函數(shù)激活后相加，得到一維通道權(quán)重矢量；

將所述一維通道權(quán)重矢量使用sigmoid函數(shù)激活得到的輸出值與所述多脈沖雷達(dá)信號(hào)特征圖相乘，得到多脈沖雷達(dá)信號(hào)的通道權(quán)重特征圖。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述第一空間權(quán)重特征矩陣以及所述第二空間權(quán)重特征矩陣，得到通道數(shù)為2的特征圖；根據(jù)所述通道數(shù)為2的特征圖及所述通道權(quán)重特征圖，得到多脈沖雷達(dá)信號(hào)在空間與通道上的高分辨性特征圖，包括：

將所述第一空間權(quán)重特征矩陣以及所述第二空間權(quán)重特征矩陣按通道維度拼接在一起，得到通道數(shù)為2的特征圖；

將所述通道數(shù)為2的特征圖使用卷積核7*7進(jìn)行卷積運(yùn)算得到的值采用sigmoid函數(shù)激活，得到綜合空間權(quán)重特征矩陣；

將所述綜合空間權(quán)重特征矩陣與所述通道權(quán)重特征圖相乘，得到多脈沖雷達(dá)信號(hào)在空間與通道上的高分辨性特征圖。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述高分辨性特征圖，采用多種卷積核進(jìn)行多尺度融合提取，得到多脈沖雷達(dá)信號(hào)的高分辨性特征，包括：

將所述高分辨性特征圖分別采用卷積核7*7、卷積核5*5、卷積核3*3及卷積核1*1進(jìn)行多尺度融合提取，得到多脈沖雷達(dá)信號(hào)的高分辨性特征。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述注意力特征提取模塊由6層組成，包括：第一卷積層、第二卷積層、通道池化層、空間池化層、第三卷積層以及第四卷積層；

所述第一卷積層的卷積核為卷積核1*1、第二卷積層的卷積核為卷積核3*3、第三卷積層的卷積核為卷積核7*7、第四卷積層的卷積核為卷積核1*1。