一种基于样本挖掘的雷达目标检测能力自进化方法及装置制造方法及图纸

本发明专利技术公开了一种基于样本挖掘的雷达目标检测能力自进化方法，包括以下步骤：生成训练样本集；使用训练样本集对模型进行训练，生成训练模型；目标检测；新样本挖掘；在线学习。本发明专利技术所提供的基于样本挖掘的雷达目标检测能力自进化方法应用跟踪逻辑，无需人工接入，自主挖掘新样本，实现了雷达检测能力自进化，达到了由弱人工智能向强人工智能转变的目标。达到了由弱人工智能向强人工智能转变的目标。达到了由弱人工智能向强人工智能转变的目标。

【技术实现步骤摘要】
一种基于样本挖掘的雷达目标检测能力自进化方法及装置


[0001]本专利技术涉及雷达目标检测领域，具体涉及一种基于样本挖掘的雷达目标检测能力自进化方法及装置。

技术介绍

[0002]雷达的目标检测技术，是雷达中最为关键的技术之一，目前主要分为传统检测方法和人工智能方法。传统的雷达目标算法主要的特点在于：工程技术人员使用正向推导的方法，力争推导最逼近客观世界的物理模型，进行目标检测，而模型的优逆，取决于设计人员的自身认知。人工智能方法采用的是逆向的方法。雷达的检测模型，通过对大量样本的学习而获得检测能力，模型的优逆取决于训练样本的规模和覆盖率。这两种算法的共同点都在于，一但模型固化，雷达的检测能力即被固定。
[0003]也有专家、学者应用深度学习、神经网络进行雷达检测能力自进化的研究。
[0004]一种基于深度学习的自进化雷达目标检测算法(专利公开号：CN109239669A)，提出了应用双视图协同训练算法实现模型自进化。这种训练算法主要应用了两个不同初始基础模型，互作样本增强，实现各自模型进化。从全局的角度来看，生成的新样本，仍然本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样本挖掘的雷达目标检测能力自进化方法，其特征在于，包括以下步骤：步骤一：生成训练样本集：对若干单帧雷达回波原始数据进行预处理，生成雷达通道幅相图，对雷达通道幅相图进行目标标注形成训练样本集；步骤二：使用训练样本集对模型进行训练，生成训练模型；步骤三：目标检测：通过训练模型对训练样本集中的雷达通道幅相图进行检测，解算出雷达点迹，所述雷达点迹包括目标方位、目标距离和雷达时间；对雷达的点迹作跟踪处理，形成雷达的航迹；步骤四：新样本挖掘：根据雷达航迹寻找缺失样本，对缺失样本进行自动化目标标注，生成新样本；步骤五：在线学习：将新样本融入训练样本集，重复步骤二至步骤五。2.根据权利要求1所述的基于样本挖掘的雷达目标检测能力自进化方法，其特征在于，缺失样本的雷达时间包括：航迹的起始点迹的雷达时间
‑
雷达扫描一圈的时间；航迹的终止点迹的雷达时间+雷达扫描一圈的时间。3.根据权利要求2所述的基于样本挖掘的雷达目标检测能力自进化方法，其特征在于，若航迹中相邻两个点迹的时间差大于雷达扫描一圈的时间，缺失样本的雷达时间还包括T
k+1
‑
T
r
以及T
k
+T
r
；其中，T
k
表示航迹中的第k个点迹的雷达时间，T
k+1
表示航迹中的第k+1个点迹的雷达时间，T
r
表示雷达扫描一圈的时间。4.根据权利要求3所述的基于样本挖掘的雷达目标检测能力自进化方法，其特征在于，对雷达通道幅相图进行标注包括目标位置和目标类别，所述目标位置用坐标(x
min
，y
tmin
，x
max
，y
tmax
)表示，其中，x
min
和y
min
分别表示目标在雷达时间为T

【专利技术属性】
技术研发人员：王众，孙晶明，张强，于俊朋，杨予昊，孙俊，
申请(专利权)人：中国电子科技集团公司第十四研究所，
类型：发明
国别省市：