[发明专利]基于变换门时空长短期记忆单元的雷达回波序列预测方法

权利要求书

1.基于变换门时空长短期记忆单元的雷达回波序列预测方法，其特征在于，具体按照以下步骤实施：

步骤1、使用MovingMNIST数据集和Standardized RAdar Dataset 2020雷达回波数据集，并将数据集分为训练集和测试集；之后对两个数据集中的图像进行预处理，得到能够输入到网络结构的雷达回波序列；

步骤2、在时空长短期记忆单元的基础上，使用变换门机制针对遗忘门进行改进，从而构建网络结构中的TG-ST-LSTM结构单元；

步骤3、采用TG-ST-LSTM结构单元堆叠的方式获得TG-PredRNN网络结构；

步骤4，利用训练集数据对TG-PredRNN网络结构进行训练；

步骤5，将测试集数据输入到TG-PredRNN网络中进行测试，再对得到的图像进行复原，最终得到预测结果图。

2.根据权利要求1所述的基于变换门时空长短期记忆单元的雷达回波序列预测方法，其特征在于，所述步骤1中，具体为：

将MovingMNIST数据集分为训练集和测试集，其中训练集包含20000组序列，测试集包含5000组序列；在SRAD2020雷达回波数据集中，采用17031张连续图像作为训练集，3969张连续图像作为测试集；之后将两个数据集中的所有图像的尺寸调整至64×64×1，并进行灰度化，并对图像进行切片操作使其成为16×16×16的格式以缩小计算量。

3.根据权利要求1所述的基于变换门时空长短期记忆单元的雷达回波序列预测方法，其特征在于，所述步骤2中，具体为：

在ST-LSTM的单元结构中，通过1-tanh函数将遗忘门f_t的Sigmoid函数饱和区间进行压缩，使得遗忘门f_t输出通过设置的变换门映射到[0,0.75]的范围，而后在经过变换门处理之后，将接近1的值将缩小为0.25，将接近0的值变得接近1，而靠近中间的值将被压缩为0.5，进而得到TG-ST-LSTM结构单元，其表达式如下：

tr＝1-tanh(f_t)

式中，g_t表示输入调制门；i_t表示输入门；f_t表示遗忘门；g′_t,i′_t,f′_t分别表示另一组门机制中的调制门、输入门和遗忘门；tr表示变换门机制；表示t时刻第l层长期记忆；表示t时刻第l-1层长期记忆；表示t时刻第l层时空记忆；表示t时刻l-1层的时空记忆；o_t表示输出门；表示t时刻第l层短期记忆状态；tanh表示tanh函数；σ表示Sigmoid函数，W_xg,W_xi,W_xf,W_hg,W_hi,W_hf,W_mg,W_mi,W_mf,W_1×1×1,W′_xg,W′_xi,W′_xf,W_xo,W_ho,W_co,W_mo均表示权重；b_g,b_i,b_f,b′_g,b′_i,b′_f,b_o均表示偏置。