[發(fā)明專利]一種基于LSGAN的陸海分界線識(shí)別及匹配方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202211243324.9
• 申請(qǐng)日: 2022-10-12
• 公開（公告）號(hào): CN115438748A
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計(jì)）人: 李雪;郭文玲;潘泉;張效宣;李燦;田德元;文天羿
• 申請(qǐng)（專利權(quán)）人: 中國(guó)電波傳播研究所（中國(guó)電子科技集團(tuán)公司第二十二研究所）
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島博雅知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 37317
• 代理人: 封代臣

本發(fā)明公開了一種基于LSGAN的陸海分界線識(shí)別及匹配方法，包括如下步驟：步驟1，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的生成器和判別器：步驟2，構(gòu)建損失函數(shù)：步驟3，模型訓(xùn)練：步驟4，構(gòu)建分類器：步驟5，陸海分界線匹配。本發(fā)明所公開的方法，利用生成器和判別器進(jìn)行對(duì)抗訓(xùn)練，將訓(xùn)練好的判別器的卷積層作為特征提取器，以此構(gòu)建陸海雜波分類模型。該模型相較傳統(tǒng)深度學(xué)習(xí)分類模型具有更強(qiáng)的泛化能力，同時(shí)構(gòu)建的生成器能夠解決數(shù)據(jù)標(biāo)注困難，數(shù)據(jù)多樣性差的問題。

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)數(shù)據(jù)處理領(lǐng)域，特別涉及該領(lǐng)域中的一種利用天波雷達(dá)返回散射定頻數(shù)據(jù)進(jìn)行陸海分界線識(shí)別及匹配的方法。

背景技術(shù)

作為戰(zhàn)略/遠(yuǎn)程預(yù)警骨干裝備之一，天波超視距雷達(dá)(天波雷達(dá))利用電磁波在電離層與陸/海面之間的反射效應(yīng)傳輸高頻能量，其作用距離不受地球曲率限制，是最經(jīng)濟(jì)、費(fèi)效比最高的遠(yuǎn)程預(yù)警手段。電離層是天波超視距雷達(dá)的傳輸介質(zhì)，電離層特性的精確評(píng)估是雷達(dá)實(shí)現(xiàn)精確探測(cè)的關(guān)鍵技術(shù)之一。現(xiàn)在主要通過垂測(cè)、斜測(cè)和返回散射探測(cè)三種電離層探測(cè)手段獲取探測(cè)數(shù)據(jù)進(jìn)行反演、重構(gòu)，進(jìn)而獲取探測(cè)范圍的電離層特性。在遠(yuǎn)海區(qū)域探測(cè)站部署困難，成本高，因此，考慮應(yīng)用返回散射定頻進(jìn)行陸海分界識(shí)別，形成“類斜測(cè)”，相當(dāng)于增加了斜測(cè)探測(cè)站，提高電離層重構(gòu)精度，進(jìn)而提高雷達(dá)坐標(biāo)配準(zhǔn)精度。

基于深度學(xué)習(xí)的陸海分界線識(shí)別方法能夠自動(dòng)提取陸海雜波特征并進(jìn)行分類識(shí)別。事實(shí)上，一方面，返回探測(cè)定頻數(shù)據(jù)易于大量獲得；另一方面，電離層的復(fù)雜特性使得數(shù)據(jù)特征極為復(fù)雜。深度學(xué)習(xí)方法具備從大量數(shù)據(jù)中自動(dòng)提取高層次抽象特征的能力。實(shí)踐證明，深度學(xué)習(xí)方法可以實(shí)現(xiàn)陸海雜波的高精度分類。

然而，基于深度學(xué)習(xí)的陸海分界線識(shí)別方法需要大量已標(biāo)定陸海雜波樣本，人工標(biāo)定樣本費(fèi)時(shí)費(fèi)力。此外，標(biāo)注樣本量少、樣本不均衡，將導(dǎo)致陸海分界線識(shí)別器精度差、魯棒性差。生成對(duì)抗網(wǎng)絡(luò)作為一種隱式概率密度生成模型，一方面能夠生成大量陸海雜波樣本，以輔助樣本標(biāo)定；另一方面，能夠基于少量已標(biāo)定樣本實(shí)現(xiàn)陸海雜波樣本分類。因此，如何利用少量已標(biāo)定陸海雜波樣本得到基于生成對(duì)抗網(wǎng)絡(luò)的魯棒性高的陸海分界線識(shí)別器；如何快速將識(shí)別結(jié)果與先驗(yàn)地形輪廓配準(zhǔn)，并提取坐標(biāo)配準(zhǔn)參數(shù)，均具有實(shí)際工程意義。

發(fā)明內(nèi)容

本發(fā)明為了克服人工標(biāo)定樣本量少、不均衡，提高陸海分界線識(shí)別器魯棒性、精度，提供一種基于LSGAN的陸海分界線識(shí)別及匹配方法。

本發(fā)明采用如下技術(shù)方案：

一種基于LSGAN的陸海分界線識(shí)別及匹配方法，其改進(jìn)之處在于，包括如下步驟：

步驟1，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的生成器和判別器：

步驟1A，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的生成器：

生成器利用卷積網(wǎng)絡(luò)的數(shù)據(jù)擬合能力，通過建立一維噪聲分布到真實(shí)數(shù)據(jù)分布之間的映射關(guān)系，來學(xué)習(xí)返回散射定頻數(shù)據(jù)的數(shù)學(xué)分布，最終實(shí)現(xiàn)模型生成數(shù)據(jù)；

生成器用可微函數(shù)G表示，輸入z為服從高斯分布或均勻分布的隨機(jī)噪聲信號(hào)，輸出為陸海雜波生成數(shù)據(jù)G(z)；

生成器采用深度卷積神經(jīng)網(wǎng)絡(luò)作為網(wǎng)絡(luò)的基本組成，采用四層卷積層和四層上采樣層作為生成器的基本網(wǎng)絡(luò)結(jié)構(gòu)，其中四層卷積層用于重構(gòu)數(shù)據(jù)細(xì)節(jié)特征；四層上采樣層用于擴(kuò)大特征向量維數(shù)；

采用LeakyReLU函數(shù)作為每層卷積層中的激活函數(shù)，LeakyReLU函數(shù)的定義為：

上式中x為真實(shí)數(shù)據(jù)，negative_slope為權(quán)重系數(shù)；

采用Tanh函數(shù)作為輸出層，Tanh函數(shù)的定義為：

上式中x為真實(shí)數(shù)據(jù)，e為自然常數(shù)；

步驟1B，構(gòu)建基于卷積神經(jīng)網(wǎng)絡(luò)的判別器：