[发明专利]基于时频图卷积神经网络的雷达动目标检测与分类一体化方法有效
| 申请号： | 201811192545.1 | 申请日： | 2018-10-13 |
| 公开（公告）号： | CN109407067B | 公开（公告）日： | 2023-06-27 |
| 发明（设计）人： | 陈小龙;牟效乾;关键;苏宁远;薛永华;刘宁波;黄勇;何友 | 申请（专利权）人： | 中国人民解放军海军航空大学 |
| 主分类号： | G01S7/41 | 分类号： | G01S7/41 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 264001 山东省烟*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于时频图卷积神经网络的雷达动目标检测与分类一体化方法，属于雷达信号处理技术领域。首先，对雷达回波距离向脉压，存储距离‑脉冲二维回波数据；然后，通过时频变换，构建时频图训练数据集；建立改进的6层卷积神经网络，输入训练数据集对模型进行迭代优化训练，得到最优的网络参数；最后，将雷达待检测距离单元回波经时频变换输入经过训练的改进卷积神经网络中，判别该单元是否存在运动目标，并同时对运动类型进行分类，实现检测和分类一体化处理。本发明专利能智能学习和提取动目标雷达信号特征，适用于复杂环境和不同运动类型目标，可降低处理时间和硬件成本。 | ||
| 搜索关键词： | 基于 图卷 神经网络 雷达 目标 检测 分类 一体化 方法 | ||
【主权项】：
1.基于时频图卷积神经网络的雷达动目标检测与分类一体化方法，其特征在于，包括以下步骤：步骤一、雷达回波距离向脉压，得到距离‑脉冲二维数据；步骤二、时频变换生成时频图，构建训练数据集；步骤三、建立卷积神经网络模型；步骤四、根据反向传播算法和误差损失函数，输入训练数据集对模型进行迭代优化训练，得到最优的卷积神经网络网络参数；步骤五、将雷达待检测距离单元回波时频变换，输入经过训练的卷积神经网络进行测试，判别该单元是否存在运动目标，并同时对运动类型进行分类，实现检测和分类一体化处理。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国人民解放军海军航空大学，未经中国人民解放军海军航空大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811192545.1/，转载请声明来源钻瓜专利网。
