龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国人民解放军海军航空大学;烟台大学
申请日：2024-04-03
公开（公告）日：2024-06-21
公开（公告）号：CN118228113A
主分类号：G06F18/241
分类号：G06F18/241;G06N3/096;G06N3/0464;G06V10/764;G06V10/82
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明涉及一种基于迁移学习的雷达目标分类方法。本发明提出了TL‑Swin‑Transformer网络，通过利用卷积注意力机制模块从通道维和空间维提取特征，将其融入到Swin‑Transformer模块中以提高其小尺度中多头注意力信息的提取能力，更加关注对分类有用的区域，保证在下采样之前学习到更多时频图的局部细节特征，更好地提取时频图像特征；迁移学习策略的引入，利用在ImageNet数据集上预训练的模型参数文件，对模型网络的权值进行初始化，代替原先的随机初始化操作，并进行全局微调，其余训练过程照常进行，然后再通过改变源域和目标域，实现域间的迁移，完成目标分类。面对复杂环境背景多种目标，本发明具有良好的泛化能力和较为准确的实现目标分类。
主权项：1.一种基于迁移学习的雷达目标分类方法，其特征在于包括以下步骤：步骤1、雷达回波信号预处理，用信号时频信息和幅度信息构建训练数据集；步骤2、构建CBAM-SwinTransformer网络目标分类模型，其中包括Swin-Transformer模块、卷积注意力机制模块CBAM、Softmax分类模块，其中卷积注意力机制模块CBAM结合在Swin-Transformer模块之间，实现对信号时频图进行特征提取，经softmax分类模块实现雷达目标分类；步骤3、输入训练数据集对CBAM-SwinTransformer网络进行迭代优化训练，得到最优网络参数；步骤4、模型迁移，利用在源域数据集上预训练的模型参数文件对CBAM-SwinTransformer网络的权值进行初始化，代替原先的随机初始化操作，并进行全局微调，再迁移至目标域实现目标分类，增强网络泛化能力；步骤5、对实时雷达回波信号进行预处理，输入训练后的CBAM-SwinTransformer网络进行测试，完成目标分类。
全文数据：
权利要求：
百度查询： 中国人民解放军海军航空大学;烟台大学 一种基于迁移学习的雷达目标分类方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号