一种基于深度学习神经网络的RCS时间序列特征提取方法技术

本发明专利技术涉及一种基于深度学习神经网络的RCS时间序列特征提取方法，包括下列步骤：目标样本建模；获取目标样本RCS值；计算目标RCS时间序列；利用MATLAB程序制作训练集：以RCS时间序列为训练数据，并附上时间序列对应目标的包括种类、尺寸、角度在内的各项物理参数作为数据特征，以此形成神经网络训练数据集；搭建基于深度神经网络的特征提取系统。

【技术实现步骤摘要】
一种基于深度学习神经网络的RCS时间序列特征提取方法
本专利技术属于数据挖掘领域，涉及基于深度学习神经网络的时间序列分类方法。
技术介绍
空间目标识别技术作为一项研究热点，在军事、航天方面都具有重要的意义。随着军事信息化的进程的推进，反卫星、反导弹技术需求愈加迫切；而随着航天技术提升，日益增长的空间碎片也使得人们需要高效的针对各种尺寸的空间碎片的雷达信息分析技术。空间目标识别技术能对目标物体的雷达回波信息进行特征提取，从而实现对目标物体的识别。雷达目标识别中，信息量与信号带宽相关，带宽越大，信息量越多。虽然窄带带宽信息量有限，但是结构简单，造价低廉，易于研制，故窄带雷达信息仍旧是空间目标识别重要的研究对象。目标的雷达散射截面积(RadarCrossSection，RCS)是窄带雷达能够从目标身上获取的主要信息。RCS具有丰富的信息，但是提取难度较大。时间序列分类是数据挖掘技术的一个分支，其主要技术支撑为机器学习。而随着深度学习的兴起，神经网络已经在各种领域取得非常惊人的效果。本专利技术基于深度学习领域的循环神经网络-长短期记忆(本文档来自技高网...

【技术保护点】
1.一种基于深度学习神经网络的RCS时间序列特征提取方法，包括下列步骤：/n第一步：目标样本建模：根据实际需要，按1:1比例，利用CST三维全波电磁场仿真软件制作目标的3D模型，并对模型赋予物理属性，目标种类包含球、圆锥、锥柱、锥柱裙和圆柱。/n第二步：获取目标样本RCS值：利用CST三维全波电磁场仿真软件中的仿真实验，生成目标的全方位RCS值，仿真求解器为高频渐进求解器，远场频率为1～10Ghz，步进0.5Ghz；/n第三步：计算目标RCS时间序列：基于目标全方位RCS值，利用MATLAB时间序列计算程序，生成目标在不同轨迹下的RCS时间序列；/n第四步：利用MATLAB程序制作训练集：以R...

【技术特征摘要】
1.一种基于深度学习神经网络的RCS时间序列特征提取方法，包括下列步骤：
第一步：目标样本建模：根据实际需要，按1:1比例，利用CST三维全波电磁场仿真软件制作目标的3D模型，并对模型赋予物理属性，目标种类包含球、圆锥、锥柱、锥柱裙和圆柱。
第二步：获取目标样本RCS值：利用CST三维全波电磁场仿真软件中的仿真实验，生成目标的全方位RCS值，仿真求解器为高频渐进求解器，远场频率为1～10Ghz，步进0.5Ghz；
第三步：计算目标RCS时间序列：基于目标全方位RCS值，利用MATLAB时间序列计算程序，生成目标在不同轨迹下的RCS时间序列；
第四步：利用MATLAB程序制作...

【专利技术属性】
技术研发人员：杨嘉琛，张茁，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12