[发明专利]一种雷达目标分类方法、装置、设备及可读存储介质

说明书

本发明公开了一种雷达目标分类方法，包括：获取雷达目标的高分辨距离像；利用预设的卷积神经网络对高分辨距离像进行分类，得到雷达目标的分类结果；将雷达目标的分类结果进行可视化展示。预设的卷积神经网络包括：卷积层、与BN算法相结合的激活函数层、汇聚层和设有SVM分类器的全连接层。该方法公开的卷积神经网络能够提高雷达目标的分类结果的准确性，以及雷达目标的分类效率。相应地，本发明公开的一种雷达目标分类装置、设备及可读存储介质，也同样具有上述技术效果。

技术领域

本发明涉及信号处理技术领域，更具体地说，涉及一种雷达目标分类方法、装置、设备及可读存储介质。

背景技术

高分辨距离像(High Resolution Range Profile，HRRP)是用宽带雷达信号获取的目标散射点子回波在雷达射线上投影的向量和，它提供了目标散射点沿距离方向的分布情况，是目标重要的结构特征。因此基于高分辨距离像对雷达目标进行识别分类，能够有效提高识别分类的准确性。

在现有技术中，处理雷达目标的高分辨距离像的神经网络模型中的激活函数在处理激活值的过程中，数值会逐渐往非线性函数取值区间的上下端点逼近，从而导致数值间的梯度消失，难以收敛，这将会降低数据处理效率；并且，现有的神经网络模型采用Softmax函数进行目标分类，而由于Softmax函数在进行目标分类时，会考虑全局样本，从而导致其分类超平面受到每个样本的干扰，如此则会降低分类结果的准确性。

因此，如何提高雷达目标的分类效率和准确率，是本领域技术人员需要解决的问题。

发明内容

本发明的目的在于提供一种雷达目标分类方法、装置、设备及可读存储介质，以提高雷达目标的分类效率和准确率。

为实现上述目的，本发明实施例提供了如下技术方案：

一种雷达目标分类方法，包括：

获取雷达目标的高分辨距离像；

利用预设的卷积神经网络对所述高分辨距离像进行分类，得到所述雷达目标的分类结果；所述预设的卷积神经网络包括：卷积层、与BN算法相结合的激活函数层、汇聚层和设有SVM分类器的全连接层；

将所述雷达目标的分类结果进行可视化展示。

其中，所述利用预设的卷积神经网络对所述高分辨距离像进行分类，包括：

通过所述卷积层提取所述高分辨距离像的特征，得到所述雷达目标的特征数据集合；

通过所述激活函数层增加所述特征数据集合中的特征数据的梯度，得到第一中间集合；

通过所述汇聚层对所述第一中间集合中的特征数据进行降维处理，得到第二中间集合；

通过所述全连接层中的SVM分类器对所述第二中间集合中的特征数据进行分类。

其中，还包括：

重复执行一次所述通过所述卷积层提取所述高分辨距离像的特征，得到所述雷达目标的特征数据集合；通过所述激活函数层增加所述特征数据集合中的特征数据的梯度，得到第一中间集合的步骤；所述第一中间集合作为重复执行时所述卷积层的输入数据。

其中，所述通过所述全连接层中的SVM分类器对所述第二中间集合中的特征数据进行分类之前，还包括：

迭代执行所述通过所述卷积层提取所述高分辨距离像的特征，得到所述雷达目标的特征数据集合；通过所述激活函数层增加所述特征数据集合中的特征数据的梯度，得到第一中间集合；通过所述汇聚层对所述第一中间集合中的特征数据进行降维处理，得到第二中间集合的步骤；所述第二中间集合中的特征数据作为迭代执行时所述卷积层的输入数据；