[發明專利]基于卷積神經網絡的雷達目標識別方法、模型訓練方法

在審

• 申請號: 202210138892.6
• 申請日: 2022-02-15
• 公開（公告）號: CN114611547A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 湯俊;段金福
• 申請（專利權）人: 清華大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 霍莉莉;劉芳

1.一種模型訓練方法，其特征在于，所述方法包括：

獲取訓練數據集；其中，所述訓練數據集中包括多組訓練數據，所述訓練數據中包括雷達回波數據、所述雷達回波數據中包括的目標對象的特征圖以及所述目標對象的標注類別；

將所述目標對象的特征圖輸入至預設模型，得到所述目標對象的預測類別；

根據所述目標對象的標注類別和預測類別，優化所述預設模型中的參數，得到雷達目標識別模型。

2.根據權利要求1所述的方法，其特征在于，所述獲取訓練數據集，包括：

獲取雷達回波數據，并對所述雷達回波數據進行預處理得到原始特征圖；

根據所述原始特征圖確定所述雷達回波數據中包括的目標對象；

根據所述雷達回波數據確定所述目標對象的位置信息，并根據所述目標對象的位置信息，確定所述目標對象的標注類別；

在所述原始特征圖中確定所述目標對象的特征圖。

3.根據權利要求2所述的方法，其特征在于，所述原始特征圖包括距離-脈沖特征圖、距離-方位特征圖以及距離-多普勒特征圖；

所述對所述雷達回波數據進行預處理得到原始特征圖，包括：

對所述雷達回波數據進行脈沖壓縮，得到所述距離-脈沖特征圖；

對所述雷達回波數據進行動目標顯示，得到所述距離-方位特征圖；

對所述雷達回波數據進行動目標檢測，得到所述距離-多普勒特征圖。

4.根據權利要求2或3所述的方法，其特征在于，所述原始特征圖包括距離-脈沖特征圖、距離-方位特征圖以及距離-多普勒特征圖；

所述在所述原始特征圖中確定所述目標對象的特征圖，包括：

根據所述目標對象在所述雷達回波數據的所述位置信息，在所述距離-脈沖特征圖、所述距離-方位特征圖、所述距離-多普勒特征圖中分別確定與所述目標對象對應的子區域；所述子區域中包括所述目標對象；

融合所述目標對象的各所述子區域，得到所述目標對象的特征圖。

5.一種雷達目標識別方法，其特征在于，所述方法包括：

獲取雷達回波數據，并對所述雷達回波數據進行預處理得到原始特征圖；

根據所述原始特征圖確定所述雷達回波數據中包括的目標對象，并根據所述原始特征圖確定所述目標對象的特征圖；

將所述目標對象的特征圖輸入至預設的雷達目標識別模型，得到與所述目標對象對應的類別；

其中，所述雷達目標識別模型是使用訓練數據集訓練得到的，所述訓練數據集中包括多組訓練數據，所述訓練數據中包括用于訓練模型的雷達回波樣本數據、所述雷達回波樣本數據中包括的目標對象的特征圖以及該目標對象的標注類別。

6.一種模型訓練裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取訓練數據集；其中，所述訓練數據集中包括多組訓練數據，所述訓練數據中包括雷達回波數據、所述雷達回波數據中包括的目標對象的特征圖以及所述目標對象的標注類別；

訓練單元，用于將所述目標對象的特征圖輸入至預設模型，得到所述目標對象的預測類別；

訓練單元，還用于根據所述目標對象的標注類別和預測類別，優化所述預設模型中的參數，得到雷達目標識別模型。

7.一種雷達目標識別裝置，其特征在于，所述裝置包括：

獲取單元，用于獲取雷達回波數據，并對所述雷達回波數據進行預處理得到原始特征圖；

處理單元，用于根據所述原始特征圖確定所述雷達回波數據中包括的目標對象，并根據所述原始特征圖確定所述目標對象的特征圖；

識別單元，用于將所述目標對象的特征圖輸入至預設的雷達目標識別模型，得到與所述目標對象對應的類別；

其中，所述雷達目標識別模型是使用訓練數據集訓練得到的，所述訓練數據集中包括多組訓練數據，所述訓練數據中包括用于訓練模型的雷達回波樣本數據、所述雷達回波樣本數據中包括的目標對象的特征圖以及該目標對象的標注類別。