[发明专利]一种基于原型选择的HRRP识别数据库构建方法

说明书

本发明涉及一种基于原型选择的HRRP识别数据库构建方法，包括：步骤1：从雷达回波数据库中提取多个雷达HRRP数据，构建初始HRRP数据库；步骤2：利用概率分布策略和构建的自适应二阶优化器对初始HRRP数据库中的雷达HRRP数据进行原型选择，得到最终雷达HRRP原型集；步骤3：将最终雷达HRRP原型集作为HRRP识别数据库，为机器学习分类识别提供学习数据。本发明的基于原型选择的HRRP识别数据库构建方法，在雷达HRRP识别数据库中样本过多的情况下，从HRRP数据库选取最具价值的样本构成最终雷达HRRP原型集，该最终雷达HRRP原型集作为HRRP识别数据库，为后续机器学习分类识别提供最具价值的学习数据，以节约存储资源与计算资源。

技术领域

本发明属于雷达技术领域，具体涉及一种基于原型选择的HRRP识别数据库构建方法。

背景技术

随着雷达软件与硬件技术的长足发展，雷达高分辨距离像(high resolutionrange profile，HRRP)数据空前激增。面对如此海量的数据，以机器学习尤其是深度学习为核心的雷达HRRP目标识别技术得到了长足的发展。然而，HRRP数据在量上的膨胀未必能带来在质上的提高，海量数据虽然为基于数据驱动的机器学习方法获取有价值信息提供了充分空间，但是，繁多复杂数据的高维度、过冗余以及高噪声的特性，不但会造成存储资源以及计算资源的巨大浪费，而且还会显著提升学习算法的复杂度。更严重的是，繁多复杂的数据还会将真正有价值的信息湮没，导致机器学习性能的恶化。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于原型选择的HRRP识别数据库构建方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供了一种基于原型选择的HRRP识别数据库构建方法，包括：

步骤1：从雷达回波数据库中提取多个雷达HRRP数据，构建初始HRRP数据库；

步骤2：利用概率分布策略和构建的自适应二阶优化器对所述初始HRRP数据库中的雷达HRRP数据进行原型选择，得到最终雷达HRRP原型集；

步骤3：将所述最终雷达HRRP原型集作为HRRP识别数据库，为机器学习分类识别提供学习数据。

在本发明的一个实施例中，所述多个雷达HRRP数据包括不同识别类别的多个雷达HRRP数据。

在本发明的一个实施例中，所述步骤2包括：

步骤2.1：初始化雷达HRRP原型集的大小为K，根据初始的采样概率对所述初始HRRP数据库中的每个雷达HRRP数据样本的权值进行赋值，得到初始的雷达HRRP原型集；

步骤2.2：将所述雷达HRRP原型集输入至深度神经网络，对所述深度神经网络进行训练直至网络收敛，在训练过程中利用构建的自适应二阶优化器对网络参数进行更新；

步骤2.3：将所述初始HRRP数据库中所有雷达HRRP数据样本，输入至收敛的深度神经网络中获取损失值，对采样概率进行反向传播更新；

步骤2.4：根据更新的采样概率对所述初始HRRP数据库中的每个雷达HRRP数据样本的权值进行赋值，得到新的雷达HRRP原型集；

步骤2.5：重复步骤2.2-步骤2.4直至达到预设的迭代次数，利用最后一次迭代得到的更新的采样概率对所述初始HRRP数据库中的每个雷达HRRP数据样本的权值进行赋值，得到所述最终雷达HRRP原型集。

在本发明的一个实施例中，每个雷达HRRP数据样本的权值的初始的采样概率为D表示初始HRRP数据库的大小。

在本发明的一个实施例中，每个雷达HRRP数据样本的权值m_i∈{0,1}，m_i＝1表示雷达HRRP数据样本i被选入原型集，m_i＝0表示雷达HRRP数据样本i未被选入原型集；