[發明專利]基于LSTM模型的脈沖多普勒雷達低慢小目標識別方法

在審

• 申請號: 202210002980.3
• 申請日: 2022-01-04
• 公開（公告）號: CN114296067A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 魯瑞蓮;金敏;費德介;汪宗福;鄭婷
• 申請（專利權）人: 成都匯蓉國科微系統技術有限公司
• 主分類號: G01S13/52
• 分類號: G01S13/52;G01S7/41;G01S7/292;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 中國和平利用軍工技術協會專利中心 11215
• 代理人: 劉光德;彭霜

1.一種基于LSTM模型的脈沖多普勒雷達低慢小目標的識別方法，其特征在于，所述方法包括如下步驟：

步驟1，接收已經采集脈沖多普勒雷達低慢小類目標航跡的集合，對航跡集合信息進行拆分、歸一化預處理；將歸一化后的航跡按預定比例分為訓練集與驗證集；

步驟2，初始化輸入結點個數、神經網絡層數、訓練周期數、訓練單次目標個數、單次迭代權重調整比例、停止迭代損失函數閾值、輸出目標種類；初始化起始時刻輸入門、輸出門、遺忘門狀態系數、細胞系數、偏置值；初始化起始時刻隱層細胞狀態值、細胞隱層值；

步驟3，基于步驟2中各項初始化參數與當前訓練單次目標個數的數據集執行選擇LSTM前向傳播，并計算當前系數對應損失函數值；

步驟4基于步驟3中所述損失函數值與停止迭代損失函數的預設閾值進行比較，

如果所述損失函數值大于預設閾值，執行輸入門系數、輸出門系數和遺忘門狀態系數的更新；如果所述損失函數值小于閾值，基于當前神經網絡權系數進行下一訓練單次目標個數訓練；

步驟5，通過步驟3與步驟4完成當前周期所有訓練單次目標個數訓練后，將當前周期損失函數值與所述停止迭代損失函數的預設閾值進行比較；

如果所述當前周期損失函數值大于所述預設閾值，執行下一周期訓練；

如果所述當前周期損失函數值小于所述預設閾值，停止訓練并輸出當前時刻的各項參數作為最終的神經網絡參數；

步驟6，基于步驟5最終狀態神經網絡參數在驗證集數據驗證識別正確率并進行輸出。

2.如權利要求1所述的識別方法，其特征在于，步驟1中包括以下子步驟：

步驟1.1，設定已經采集的脈沖多普勒雷達低慢小類目標航跡集合表述為

n＝1,...,N,

l_n＝1,...,L_n

其中表示航跡集合內第n條航跡中第l_n個點跡距離，表示航跡集合內第n條航跡中第l_n個點跡方位角，表示航跡集合內第n條航跡中第l_n個點跡俯仰角，表示航跡集合內第n條航跡中第l_n個點跡雷達散射截面積RCS，N表示航跡個數，L_n表示第n條航跡內點跡個數；

步驟1.2，針對所述目標航跡集合，根據航跡采集種類先驗信息添加航跡標簽；

步驟1.3，所述目標航跡集合按照下面公式對航跡信息進行歸一化處理：

n＝1,...,N,

l_n＝1,...,L_n

其中∑·表示求和操作；

步驟1.4，歸一化后的航跡按預定比例分為訓練集T_n與驗證集V_n。

3.如權利要求1所述的識別方法，其特征在于，其中N＝12338；航跡標簽中對無人機航跡標記為1，對非無人機航跡標記為0；訓練集比例為70％，驗證集比例為30％。

4.如權利要求1所述的識別方法，其特征在于，步驟2中，輸入結點個數256，訓練周期初始值1000次，訓練單次目標個數為500，單次迭代權重比例ρ＝1％，停止迭代損失函數閾值Tr＝10^-6。