[發明專利]基于深度學習的快速目標識別的相控陣單元控制方法在審
| 申請號： | 202210071852.4 | 申請日： | 2022-01-21 |
| 公開（公告）號： | CN114492615A | 公開（公告）日： | 2022-05-13 |
| 發明（設計）人： | 司賓強;羅東琦;冉潔;朱紀洪 | 申請（專利權）人： | 北京信息科技大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04;G06N3/08;G06V10/764;G06V10/774;G06V10/82 |
| 代理公司： | 北京中創云知識產權代理事務所(普通合伙) 11837 | 代理人： | 徐輝 |
| 地址： | 100192 北*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 深度 學習 快速 目標 識別 相控陣 單元 控制 方法 | ||
1.基于深度學習的快速目標識別的相控陣單元控制方法，其特征在于步驟如下：
1)將各種目標數據輸入到深度神經網絡，訓練基于深度學習的快速目標識別模型；
2)利用步驟1)中訓練好的深度學習模型，對雷達信號進行目標識別和分類；
3)根據不同的目標特征，初期先人為制定規則開啟最優的相控陣單元；
4)再利用深度學習制定出性能更為優越的相控陣單元數目開啟的控制策略。
5)工作方式也可采用只開啟N個發射單元，開啟全部或者最優個接收單元，類似于MIMO技術的工作方式。
2.基于深度學習的快速目標識別的相控陣單元控制方法，其特征在于：步驟1)中對雷達信號目標識別的深度學習訓練步驟如下：
1.1)對采集的信號進行一維離散小波變換，獲得其時頻圖；
1.2)將其輸入到卷積神經網絡，提取特征后輸送到全連接神經網絡，最后由softmax輸出預測的類別概率；
1.3)計算深度神經網絡的輸出類別與真實類別的交叉熵作為損失函數，通過隨機梯度下降訓練神經網絡。
3.基于深度學習的快速目標識別的相控陣單元控制方法，其特征在于：步驟2)中通過深度學習對雷達信號進行目標識別的過程步驟如下：
2.1)訓練深度神經網絡；
2.2)對采集的信號進行一維小波變換，獲得時頻圖；
2.3)將其輸入到卷積神經網絡，提取特征后輸送到全連接神經網絡，最后由softmax輸出預測的類別概率；
2.4)取預測概率最大類別作為識別結果。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于北京信息科技大學，未經北京信息科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202210071852.4/1.html，轉載請聲明來源鉆瓜專利網。
