[發(fā)明專利]一種低空小目標的雷達自動識別方法及裝置

在審

• 申請?zhí)枺?/td>: 202111110784.X
• 申請日: 2021-09-18
• 公開（公告）號: CN113887356A
• 公開（公告）日: 2022-01-04
• 發(fā)明（設計）人: 胡亮;張聃;鄭敏娥;陶原野;劉孟紅;展華益
• 申請（專利權）人: 四川啟睿克科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 四川省成都市天策商標專利事務所(有限合伙) 51213
• 代理人: 胡慧東

1.一種低空小目標的雷達自動識別方法，其特征在于，包括如下步驟：

a)雷達數(shù)據(jù)預處理；

b)利用深度神經(jīng)網(wǎng)絡提取處理后數(shù)據(jù)的特征；

c)使用有監(jiān)督學習與無監(jiān)督學習執(zhí)行二分類與異常檢測；

d)根據(jù)二分類與異常檢測結(jié)果識別輸入數(shù)據(jù)是無人機、飛鳥或者其他低空飄浮物。

2.根據(jù)權利要求1所述的低空小目標的雷達自動識別方法，其特征在于，所述雷達數(shù)據(jù)為目標航跡與雷達散射截面信息構成的高維時間序列數(shù)據(jù)，所述預處理包括數(shù)據(jù)內(nèi)插與外推、數(shù)據(jù)清洗、數(shù)據(jù)分段。

3.根據(jù)權利要求2所述的低空小目標的雷達自動識別方法，其特征在于，所述數(shù)據(jù)分段具體為設定子時間序列長度，對于超過該長度的時間序列，使用固定大小的滑動時間窗口將其切分為若干子時間序列。

4.根據(jù)權利要求1所述的低空小目標的雷達自動識別方法，其特征在于，步驟b)具體為將子時間序列輸入訓練好的神經(jīng)網(wǎng)絡，得到自動提取的特征，其中神經(jīng)網(wǎng)絡的訓練方法為：收集無人機與飛鳥的歷史雷達數(shù)據(jù)，經(jīng)過步驟a)處理后作為訓練集，訓練出所述深度神經(jīng)網(wǎng)絡的參數(shù)值，所述深度神經(jīng)網(wǎng)絡為自編碼神經(jīng)網(wǎng)絡。

5.根據(jù)權利要求1所述的低空小目標的雷達自動識別方法，其特征在于，步驟c)具體包括以下步驟：

c1).將步驟b輸出的特征送入訓練好的有監(jiān)督學習模型進行二分類，輸出屬于無人機或飛鳥的概率；

c2).由于已經(jīng)使用深度神經(jīng)網(wǎng)絡提取了特征，c1所述的有監(jiān)督學習模型為傳統(tǒng)的二分類模型或深度學習模型；

c3).將步驟b輸出的特征送入訓練好的無監(jiān)督學習模型進行異常檢測，判斷是否為異常樣本。

6.根據(jù)權利要求5所述的低空小目標的雷達自動識別方法，其特征在于，所述有監(jiān)督學習模型的訓練方法為收集無人機與飛鳥的歷史雷達數(shù)據(jù)，經(jīng)過步驟a與步驟b的處理，將得到的特征打上標簽，再把帶標簽的特征數(shù)據(jù)作為訓練集，有監(jiān)督的訓練二分類模型。

7.根據(jù)權利要求5所述的低空小目標的雷達自動識別方法，其特征在于，所述無監(jiān)督學習模型的訓練方法為收集無人機與飛鳥的歷史雷達數(shù)據(jù)，經(jīng)過所述步驟a與步驟b的處理，將得到的特征數(shù)據(jù)作為訓練集，無監(jiān)督的訓練異常檢測模型。

8.根據(jù)權利要求1所述的低空小目標的雷達自動識別方法，其特征在于，步驟d包括以下步驟：

d1).當步驟c所述的異常檢測判斷輸入樣本為正常樣本時，最終類別識別結(jié)果按步驟c所述的二分類結(jié)果輸出；

d2).當步驟c所述的異常檢測判斷輸入樣本為異常樣本時，若步驟c所述的二分類輸出概率接近0.5，那么最終類別識別結(jié)果為其他低空飄浮物，否則最終類別識別結(jié)果按步驟c所述的二分類結(jié)果輸出。

9.一種低空小目標的雷達自動識別裝置，其特征在于，該裝置由雷達、存儲器、處理器及通信總線組成，所述通信總線分別連接所述雷達、存儲器與處理器；所述雷達用于偵測低空小目標，并將所述雷達數(shù)據(jù)通過通信總線送入所述存儲器和處理器；所述存儲器存儲有計算機程序，所述計算機程序促使所述處理器執(zhí)行所述低空小目標的雷達自動識別方法。