[發明專利]一種基于樣本擴充器的雷達目標樣本擴充生成方法

在審

• 申請號: 202110060821.4
• 申請日: 2021-01-18
• 公開（公告）號: CN112884003A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 鮑鵬飛;曹德建;左錦波;其他發明人請求不公開姓名
• 申請（專利權）人: 中國船舶重工集團公司第七二四研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種基于樣本擴充器的雷達目標樣本擴充生成方法，提供一種雷達目標樣本擴充方法，其中包括：首先構建雷達目標樣本擴充器，該擴充器集成了距離像、調制譜信號仿真建模，噪聲疊加、脈沖調整、變采樣、信號平移，生成對抗網絡等方法，并設計仿真建模、參數調整、生成對抗、綜合處理為代表的四種樣本擴充模式，為雷達目標樣本擴充提供多種手段；然后根據輸入雷達參數、目標參數和樣本信息，計算得到可用處理模式，設定需要生成樣本數量和樣本擴充模式；最后根據處理模式調用不同方法，自動樣本擴充生成，可得到不同目標參數、不同雷達參數條件下的樣本數據，為目標識別提供數據支持。

技術領域

本發明應用于雷達目標識別領域。

技術背景

隨著雷達技術的不斷進步，雷達信號參數多變、波形多樣，可提取目標的豐富特征信息，這使得基于雷達的目標識別成為可能。雷達目標識別技術也成為學術界和工程界的研究熱點之一，是智能武器系統的重要支撐技術。若目標尺寸大于雷達距離分辨率，雷達回波則在不同距離單元上的回波強弱會有差異；目標的高分辨距離像正是用寬帶雷達信號獲取的目標散射點子回波在雷達射線上投影的向量和的幅度波形，反映出目標在雷達視線上精細的幾何結構特征，對目標識別與分類十分有價值。有些目標，特別是空中目標在進行運動的同時，自身也存在周期性的旋轉運動，在一定的目標姿態角范圍內，這種微運動會引起雷達回波中的多普勒調制，文獻“Chen,V.C.雷達中的微多普勒效應[M].電子工業出版社,2013:92-108”中研究了這種特征，可以利用這種微動信息進行目標識別。以上兩種常見的雷達目標識別技術，是建立在對雷達回波數據的基礎上，識別時通過建立樣本庫進行模板匹配進而目標識別；隨著機器學習的發展，以數據驅動的神經網絡給雷達目標識別帶來新的發展，利用大量數據樣本進行訓練，構建模型進行目標識別。不論是模板匹配還是機器學習，都離不開可靠有效的雷達目標數據和樣本。

受限于環境、裝備、時機等多要素影響，非理想、非常規條件下的數據獲取能力受限，數據往往不具有完備性、規模性；實際積累的數據樣本量遠遠不能滿足深度學習對訓練數據的要求。關鍵問題在如何利用有限的數據，甚至少量數據進行價值挖掘，實現傳統大規模數據機器學習功能。當前，樣本擴充技術已成為識別領域的一個方向。相關研究主要集中在圖片的擴充、變換，如專利“一種小樣本下擴充數據集的圖像處理方法，CN201811087771.3，2019-02-12”公開了一種小樣本下擴充數據集的圖像處理方法，雷達目標樣本的擴充生成相對較少，更多是仿真建模，針對雷達目標識別的樣本擴充技術尚少。綜合考慮雷達、目標等參數，研究多模式雷達目標數據處理方法，生成不同參數條件下樣本數據，可解決雷達目標數據擴充難題，對于進一步雷達目標分類識別具有重要意義。

發明內容

本發明提供一種基于樣本擴充器的雷達目標樣本擴充生成方法，豐富樣本數量，為目標識別和機器學習提供數據支撐。

實現本發明的解決方案是：針對目標的寬帶一維像和窄帶調制譜為代表雷達目標識別過程中存在的數據獲取難、數量少的難題，本發明所述方法提供一種雷達目標樣本擴充方法，其方法流程如下：

步驟1：構建樣本擴充器，樣本擴充器由輸入參數層、方法模型層、處理模式層、輸出樣本層構成，集成了距離像、調制譜信號仿真建模，噪聲疊加、脈沖調整、變采樣、信號平移，生成對抗網絡等方法，設計了仿真建模、參數調整、生成對抗和綜合處理四種處理模式；

步驟2：輸入雷達參數、目標參數或目標樣本；

步驟3：根據樣本擴充器輸入量和參數，自動分析計算得到可用的樣本擴充模式；

步驟4：進行模式選擇，根據步驟3中計算的到可用樣本擴充處理模式，判斷模式是否可選，若不可選則處理結束或重新模式選擇；

步驟5：目標樣本擴充參數設置，設定擴充樣本數量N、處理方法參數；

步驟6：進行樣本擴充生成，針對不同處理模式應用不同方法進行處理；

步驟7：擴充得到N個樣本，輸出樣本得到樣本庫。