[發明專利]基于深層類內分裂的雷達高分辨距離像開集目標識別方法

有效

• 申請號: 202110236104.2
• 申請日: 2021-03-03
• 公開（公告）號: CN112904299B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 王鵬輝;劉宏偉;王同晶;丁軍;陳渤
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;黎漢華

本發明公開了一種基于深層類內分裂的雷達高分辨距離像開集目標識別方法，主要解決現有技術開集識別性能低和閉集識別精度差的問題，其方案是：獲取雷達二維高分辨距離像譜圖數據，并分別為雷達目標數據庫內的各個目標類別設置標簽值，構建訓練樣本集和測試樣本集；構建類內分裂模型，并對其進行訓練；將訓練樣本集輸入到訓練好的類內分裂模型中進行分裂，得到非典型樣本子集和典型樣本子集；構建開集識別模型，并用非典型樣本子集和典型樣本子集對其進行訓練；將測試樣本輸入到訓練好的開集識別模型中，完成雷達高分辨距離像的開集識別。本發明提高了開集識別性能、閉集識別精度，可用于對雷達數據庫外目標拒判的同時對庫內目標進行分類。

技術領域

本發明屬于雷達技術領域，具體涉及雷達高分辨距離像開集目標識別方法，可用于對雷達數據庫外目標拒判的同時對庫內目標進行分類。

背景技術

高分辨距離像HRRP表示目標散射中心沿雷達視線的一維分布，包含了目標徑向尺寸、散射點分布等結構信息，這些對目標識別和分類的價值非常高。HRRP具有背景干凈、無雜波干擾和存儲量小等優勢，逐漸成為雷達自動目標識別RATR領域的研究熱點。模式識別通常分為兩類：一是閉集識別，即需要將待識別的目標分配到固定類別中去，訓練樣本和測試樣本來自相同類別的模式，這種閉集的環境是理想的；另一種模式識別是開集識別，這意味著一些測試樣本對訓練樣本來說是未知的，即分類器接收到的待識別樣本并不屬于分類器訓練過的已知類別，這就是所謂的開集識別。在雷達目標識別中，雖然在識別之前可以收集到待識別目標的距離像樣本以及對應的類別等相關信息，然而在實際應用中，往往不能提前獲得待識別目標的全部樣本。因此，雷達目標識別一般屬于開集識別。另外，在RATR系統中對不能確定的目標往往拒絕識別，即雷達庫外目標拒判方法。然而，雷達庫外目標拒判方法只拒絕未知類，不會對已知類進行分類，沒有考慮已知類之間的信息，導致識別性能較差。因此，期望一個能夠識別/拒絕未知類同時保持對已知類識別性能的分類器，在雷達目標識別中實現對輸入的已知類樣本，輸出為具體的某個類別，對輸入未知類的樣本，輸出為“未知”或者以較低的置信度輸出。

現有解決開集識別的傳統方法有支持向量機SVM的變種，如1-vs-set或W-SVM，但是它們對剔除異常樣本的閾值非常敏感，需要異常樣本在訓練過程中找到合適的閾值，這在實踐中往往比較困難，同時在處理復雜數據集上性能有限。與傳統的淺層模型相比，VGG-16、Inception或ResNet這些深層神經網絡在分類和識別方面取得了最先進的性能，已成為當前目標識別領域的研究熱點。因此，一種處理開集問題的現代方法是使用生成對抗網絡生成偽樣本，并使用這些偽樣本對未知類進行建模。然而，由于生成對抗網絡的方法存在訓練不穩定的問題，使目標樣本的生成效果并不理想，此外，通過生成對抗網絡生成的偽樣本和大多數訓練數據無法區分，導致閉集識別精度差的問題。

發明內容

本發明的目的在于針對上述現有技術的不足，提出一種基于深層類內分裂的雷達高分辨距離像開集目標識別方法，以改善開集識別性能和提高閉集識別精度。

為實現上述目的，本發明的實現步驟包括如下：

(1)獲取雷達二維高分辨距離像譜圖數據，并分別為雷達目標數據庫內的各個目標類別設置標簽值；

(2)從雷達二維高分辨距離像譜圖數據中選取包含目標所有方位角域的樣本數據，組成訓練樣本集，將其余數據組成測試樣本集的庫內樣本，從仿真飛機數據中均勻抽取部分樣本組成測試樣本集的庫外樣本；

(3)構建一個由八層的多類分類器和兩層結構的識別子網級聯組成的類內分裂模型；

(4)對類內分裂模型進行訓練，并將訓練樣本集輸入到訓練好的類內分裂模型中進行分裂，得到非典型樣本子集和典型樣本子集；

(5)構建一個由十層的閉集正則化子網和兩層結構的開集識別子網級聯組成的開集識別模型；

(6)對開集識別模型進行訓練：