【技术实现步骤摘要】
基于LSTM模型的脉冲多普勒雷达低慢小目标识别方法
[0001]本专利技术属于脉冲多普勒雷达目标识别
，尤其涉及一种基于LSTM模型的脉冲多普勒雷达低慢小目标识别方法。
技术介绍
[0002]雷达目标识别技术是指使用雷达对目标进行探测，对所获取的回波信息进行分析，从而确定目标属性及种类的技术。即根据回波中的特征，识别出目标类型。其本质是已知入射波和散射波而要求反演目标特性的电磁逆散射问题。雷达需要识别的目标种类涵盖了地、海、空、天的所有目标，甚至包括地形、气象、干扰和辐射源。目标识别的程度也有多层次的定义，除了分类、识别、鉴别、辨认之外，还可扩展到目标的敌我识别、威胁评估等、用雷达对目标进行分类和识别，具有很重要的军用和民用价值。
[0003]人工智能是研究、开发用于模拟、延伸和扩展人的智能理论、方法、技术及应用系统的一门科学。雷达目标识别技术是人工智能在装备领域的重要应用，随着人工智能技术的发展，雷达识别也在不断进步，从模式识别、机器学习到近年来发展迅猛的神经网络、迁移学习等在雷达识别中都有较多研究成果。尽管...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM模型的脉冲多普勒雷达低慢小目标的识别方法，其特征在于，所述方法包括如下步骤：步骤1，接收已经采集脉冲多普勒雷达低慢小类目标航迹的集合，对航迹集合信息进行拆分、归一化预处理；将归一化后的航迹按预定比例分为训练集与验证集；步骤2，初始化输入结点个数、神经网络层数、训练周期数、训练单次目标个数、单次迭代权重调整比例、停止迭代损失函数阈值、输出目标种类；初始化起始时刻输入门、输出门、遗忘门状态系数、细胞系数、偏置值；初始化起始时刻隐层细胞状态值、细胞隐层值；步骤3，基于步骤2中各项初始化参数与当前训练单次目标个数的数据集执行选择LSTM前向传播，并计算当前系数对应损失函数值；步骤4基于步骤3中所述损失函数值与停止迭代损失函数的预设阈值进行比较，如果所述损失函数值大于预设阈值，执行输入门系数、输出门系数和遗忘门状态系数的更新；如果所述损失函数值小于阈值，基于当前神经网络权系数进行下一训练单次目标个数训练；步骤5，通过步骤3与步骤4完成当前周期所有训练单次目标个数训练后，将当前周期损失函数值与所述停止迭代损失函数的预设阈值进行比较；如果所述当前周期损失函数值大于所述预设阈值，执行下一周期训练；如果所述当前周期损失函数值小于所述预设阈值，停止训练并输出当前时刻的各项参数作为最终的神经网络参数；步骤6，基于步骤5最终状态神经网络参数在验证集数据验证识别正确率并进行输出。2.如权利要求1所述的识别方法，其特征在于，步骤1中包括以下子步骤：步骤1.1，设定已经采集的脉冲多普勒雷达低慢小类目标航迹集合表述为n＝1,...,N,l
n
＝1,...,L
n
其中表示航迹集合内第n条航迹中第l
n
个点迹距离，表示航迹集合内第n条航迹中第l
n
个点迹方位角，表示航迹集合内第n条航迹中第l
n
个点迹俯仰角，表示航迹集合内第n条航迹中第l
n
个点迹雷达散射截面积RCS，N表示航迹个数，L
n
表示第n条航迹内点迹个数；步骤1.2，针对所述目标航迹集合，根据航迹采集种类先验信息添加航迹标签；步骤1.3，所述目标航迹集合按照下面公式对航迹信息进行归一化处理：n＝1,...,N,l
n
＝1,...,L
n
其中∑
·
表示求和操作；步骤1.4，归一化后的航迹按预定比例分为训练集T
n
与验证集V
n
。
3.如权利要求1所述的识别方法，其特征在于，其中N＝12338；航迹标签中对无人机航迹标记为1，对非无人机航迹标记为0；训练集比例为70％，验证集比例为30％。4.如权利要求1所述的识别方法，其特征在于，步骤2中，输入结点个数256，训练周期初始值1000次，训练单次目标个数为500，单次迭代权重比例ρ＝1％，停止迭代损失函数阈值Tr＝10
‑6。5.如权利要求1所述的识别方法，其特征在于，步骤3包括子步骤：步骤3.1，根据步骤...
【专利技术属性】
技术研发人员：鲁瑞莲，金敏，费德介，汪宗福，郑婷，
申请(专利权)人：成都汇蓉国科微系统技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。