[发明专利]基于多分辨率注意力卷积网络的HRRP目标识别方法

说明书

本发明公开了一种基于多分辨率注意力卷积网络的雷达高分辨距离像目标识别方法，主要解决现有技术识别率低的问题，其实现方案为：1)获取Q类目标的高分辨距离像数据得到训练样本集和测试样本集；2)对高分辨距离像数据预处理得到二维时频数据；3)构建多分辨率注意力卷积网络对二维时频数据进行特征提取并分类；4)使用训练样本集训练多分辨率注意力卷积网络；5)将测试样本输入到训练好的多分辨率注意力卷积网络，得到样本的识别结果。本发明充分利用了不同分辨率的高分辨距离像的频域和时域信息，显著提高了识别率，增加了系统鲁棒性，可用于环境检测和航迹跟踪。

技术领域

本发明属于雷达技术领域，特别涉及一种高分辨距离像HRRP目标识别方法，可用于环境检测和航迹跟踪。

背景技术

雷达的距离分辨率正比于匹配滤波后的接收脉冲宽度，且雷达发射信号的距离单元长度满足：ΔR为雷达发射信号的距离单元长度，c为光速，τ为匹配接收的脉冲宽度，B为雷达发射信号的带宽；雷达发射信号带宽越宽则能提供更高的距离分辨率。实际上雷达距离分辨率的高低是相对于观测目标而言的，当所观测目标沿雷达视线方向的尺寸为L时，如果L＜＜ΔR，则对应的雷达回波信号宽度与雷达发射脉冲宽度(匹配处理后的接收脉冲)近似相同，通常称为“点”目标回波，这类雷达为低分辨雷达；如果L＞＞ΔR，则目标回波成为按目标特性在距离上延伸的“一维距离像”，这类雷达为高分辨雷达；＜＜表示远远小于，＞＞表示远远大于。

高分辨雷达工作频率相对于一般目标位于高频区，发射宽带相干信号，雷达通过对目标发射电磁波，接收目标回波数据。通常回波特性采用简化的散射点模型计算得到，即采用忽略多次散射的波恩一级近似。

高分辨雷达回波中呈现出的起伏和尖峰，反映着在一定雷达视角时目标上散射体如机头、机翼、机尾方向舵、进气孔、发动机等等的雷达散射截面积RCS沿雷达视线RLOS的分布情况，体现了散射点在径向的相对几何关系，常称为高分辨距离像HRRP。因此，该HRRP样本包含目标重要的结构特征，对目标识别与分类很有价值。

目前，已经发展出许多针对高分辨距离像数据的目标识别方法，包括使用较为传统的支持向量机直接对目标进行分类，使用基于限制玻尔兹曼机的特征提取方法先将数据投影到高维空间中再用分类器分类数据。但上述各种方法由于仅仅利用了信号的时域特征，导致目标识别准确率不高。

发明内容

本发明目的在于针对上述现有技术存在的不足，提出一种基于多分辨率注意力卷积网络的HRRP目标识别方法，以利用信号的时域特征和频域特征，提高目标的识别的准确率。

为达到上述技术目的，本发明的实现步骤包括如下：

(1)获取Q类目标的雷达回波在雷达视线上沿着距离维的高分辨距离像数据x，和标签值y，并建立训练集D_P和测试集D_A；

(2)对x依次进行归一化、重心对齐和均值归一化处理，得到预处理后的高分辨距离像数据x”'；

(3)对x”'进行不同分辨率TL_i下的短时傅里叶变换，得到不同分辨率下高分辨距离像的时频数据(x””)_i，i＝1,2,3,…,n，n为正整数；

(4)设定n个二维卷积神经网络，利用该网络计算(x””)_i的特征向量f_i；

(5)设定1个具有一层全连接层的注意力模型,利用该模型计算特征向量f_i的加权特征g；

(6)利用softmax分类器对加权特征g进行分类，得到分类结果z；

(7)利用训练集D_P训练多分辨率注意力卷积网络；

(8)将测试集D_A输入到训练好的多分辨率注意力卷积网络中进行目标识别，得到雷达高分辨距离像目标识别结果。