[发明专利]基于卷积神经网络的雷达目标识别方法、模型训练方法

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

获取训练数据集；其中，所述训练数据集中包括多组训练数据，所述训练数据中包括雷达回波数据、所述雷达回波数据中包括的目标对象的特征图以及所述目标对象的标注类别；

将所述目标对象的特征图输入至预设模型，得到所述目标对象的预测类别；

根据所述目标对象的标注类别和预测类别，优化所述预设模型中的参数，得到雷达目标识别模型。

2.根据权利要求1所述的方法，其特征在于，所述获取训练数据集，包括：

获取雷达回波数据，并对所述雷达回波数据进行预处理得到原始特征图；

根据所述原始特征图确定所述雷达回波数据中包括的目标对象；

根据所述雷达回波数据确定所述目标对象的位置信息，并根据所述目标对象的位置信息，确定所述目标对象的标注类别；

在所述原始特征图中确定所述目标对象的特征图。

3.根据权利要求2所述的方法，其特征在于，所述原始特征图包括距离-脉冲特征图、距离-方位特征图以及距离-多普勒特征图；

所述对所述雷达回波数据进行预处理得到原始特征图，包括：

对所述雷达回波数据进行脉冲压缩，得到所述距离-脉冲特征图；

对所述雷达回波数据进行动目标显示，得到所述距离-方位特征图；

对所述雷达回波数据进行动目标检测，得到所述距离-多普勒特征图。

4.根据权利要求2或3所述的方法，其特征在于，所述原始特征图包括距离-脉冲特征图、距离-方位特征图以及距离-多普勒特征图；

所述在所述原始特征图中确定所述目标对象的特征图，包括：

根据所述目标对象在所述雷达回波数据的所述位置信息，在所述距离-脉冲特征图、所述距离-方位特征图、所述距离-多普勒特征图中分别确定与所述目标对象对应的子区域；所述子区域中包括所述目标对象；

融合所述目标对象的各所述子区域，得到所述目标对象的特征图。

5.一种雷达目标识别方法，其特征在于，所述方法包括：

获取雷达回波数据，并对所述雷达回波数据进行预处理得到原始特征图；

根据所述原始特征图确定所述雷达回波数据中包括的目标对象，并根据所述原始特征图确定所述目标对象的特征图；

将所述目标对象的特征图输入至预设的雷达目标识别模型，得到与所述目标对象对应的类别；

其中，所述雷达目标识别模型是使用训练数据集训练得到的，所述训练数据集中包括多组训练数据，所述训练数据中包括用于训练模型的雷达回波样本数据、所述雷达回波样本数据中包括的目标对象的特征图以及该目标对象的标注类别。

6.一种模型训练装置，其特征在于，所述装置包括：

获取单元，用于获取训练数据集；其中，所述训练数据集中包括多组训练数据，所述训练数据中包括雷达回波数据、所述雷达回波数据中包括的目标对象的特征图以及所述目标对象的标注类别；

训练单元，用于将所述目标对象的特征图输入至预设模型，得到所述目标对象的预测类别；

训练单元，还用于根据所述目标对象的标注类别和预测类别，优化所述预设模型中的参数，得到雷达目标识别模型。

7.一种雷达目标识别装置，其特征在于，所述装置包括：

获取单元，用于获取雷达回波数据，并对所述雷达回波数据进行预处理得到原始特征图；

处理单元，用于根据所述原始特征图确定所述雷达回波数据中包括的目标对象，并根据所述原始特征图确定所述目标对象的特征图；

识别单元，用于将所述目标对象的特征图输入至预设的雷达目标识别模型，得到与所述目标对象对应的类别；

其中，所述雷达目标识别模型是使用训练数据集训练得到的，所述训练数据集中包括多组训练数据，所述训练数据中包括用于训练模型的雷达回波样本数据、所述雷达回波样本数据中包括的目标对象的特征图以及该目标对象的标注类别。