申请/专利权人：中国人民解放军空军预警学院

申请日：2023-09-04

公开（公告）日：2024-06-04

公开（公告）号：CN117033979B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/214;G06F18/24;G06F18/25;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.04#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明提供一种形状相同且微动形式为包含关系的空间目标识别方法，采用多域特征提取模块从RCS时间序列、HRRP序列和时频谱图中获得目标的特征；从RCS时间序列中提取特征；从HRRP序列和TFspectrogram中提取特征；基于注意力机制的多域特征自适应融合模块以实现有选择的融合所述RCS时间序列、HRRP序列和时频谱图相对应的时空特征，获得用于空间目标分类的特征表示，从而建立精确的特征融合策略；通过分类模块实现空间目标的分类；能够提升形状相同且微动形式存在包含关系的空间目标的识别精度。

主权项：1.一种形状相同且微动形式为包含关系的空间目标识别方法，其特征在于，包括：S1、采用多域特征提取模块从雷达散射截面积RCS时间序列、高分辨距离像HRRP序列和时频谱图中获得目标的特征；S11、从RCS时间序列中提取特征；S12、从HRRP序列和时频图TFspectrogram中提取特征；S2、基于注意力机制的多域特征自适应融合模块以实现有选择的融合所述RCS时间序列、HRRP序列和时频谱图相对应的时空特征，获得用于空间目标分类的特征表示，从而建立精确的特征融合策略；S3、通过分类模块实现空间目标的分类；S4、利用损失函数完成对所提神经网络训练，从而优化网络的参数；所述S11具体包括：S111、从所述RCS时间序列中提取特征；假设用于从所述RCS时间序列中提取特征的一维卷积神经网络1-DCNN包含L个卷积层，并且第ll＝1,…,L层包括Ql个卷积核所述卷积核具有Ql-1Q0＝1个通道，每一个通道都是一个大小为hl×1的向量，hl为向量的维度，令为第l层卷积的输入，其中，为RCS时间序列，且Ql-1是通道数且Hl-1是每个通道的维度；与Rl-1的卷积结果表达为： 其中，Conv·为卷积操作；的结果是Rl-1所有通道的卷积和，且表达为： 其中，和分别为Rl-1和的第i个通道；为偏置；第l层卷积运算的输出为所有通道的堆叠，即S112、在卷积运算后引入批量归一化：假设一个小批量样本集有Nmini个所述RCS时间序列，经过卷积运算的输出记作且为对应于第n个样本在第l层卷积后的输出，通过批量归一化，中的每个样本表示为： 其中，和分别为第q个通道、位置h处的值对应于第n个样本的在第l层BN前后的结果；BN为批量归一化；γq和βq为对应于第q个通道的学习的参数；ε是一个避免分母为0的数；E[·]和Var[·]分别为均值和方差，表达式为： 所述S11还包括：S113、为增加网络的非线性表达能力，则使用ReLU激活中的每个元素；对于第n个样本，激活后的结果被记作第q个通道、位置h处的值表达为： S114、为减少1-DCNN运算输出的维度，并移除相邻特征间的冗余，卷积运算后则嵌入下采样层；池化后的输出的第q个通道、位置h处的值，表示为： 其中，S和U分别是池化的步长和池化窗口的大小；所述S11还包括：S115、采用层叠的双向门控循环单元GRU模型建立时序相关信息，所述双向GRU模型包括正向GRU模型和反向GRU模型；S116、经过卷积后所得的特征RL被看作是持续时间为持续时间HL，在各个时间点上维度为QL的时间序列；按照时序被依次送入层叠的所述双向GRU模型；假设层叠的双向GRU有M层，第mm＝1,…,M层的正向GRU模型和反向GRU模型输入序列分别是和其中，d表示每个时间步上隐藏状态的维度对于第一层，2d＝QL，输出的正向的隐藏状态序列和反向的隐藏状态序列分别是和则第m层双向GRU模型在t时间步的输出Om,t是时间步上正向和反向隐藏状态的拼接，即经过堆叠的双向GRU模型后，得到一系列包含空间和时间特征的向量S117、将层叠的双向GRU模型在每个时间步的输出通过两个全连接层进一步降低特征的维度，以得到本分支从所述RCS时间序列中提取的时空聚合特征： 其中，为连续的两个全连接层的输出；WFC-i和bi分别是权重矩阵与偏置，i＝1,2，f·代表ReLU激活函数。

全文数据：

权利要求：

百度查询： 中国人民解放军空军预警学院 一种形状相同且微动形式为包含关系的空间目标识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD