基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统技术方案

本发明专利技术属于雷达目标识别领域，特别涉及一种基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统，通过构建目标识别模型并利用预设波段宽带雷达试验场实测数据作为样本数据对模型进行训练优化，其中，该模型包含：两个并行分别对输入的雷达高分辨率一维距离像数据序列相关性特征进行提取和映射分类的分支网络，用于对两个分支网络输出进行数据加权融合的融合层，用于对加权融合后的输出序列进行分类识别的输出层；利用训练优化后的目标识别模型来识别待检测范围内的高分辨率一维距离像目标。本发明专利技术通过对HRRP序列数据进行多通道编码提取特征，并通过权值调整能够进一步提升网络模型的稳健性，提升目标识别准确率，便于实际场景应用。便于实际场景应用。便于实际场景应用。

【技术实现步骤摘要】
基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统


[0001]本专利技术属于雷达目标识别领域，特别涉及一种基于双并行网络的雷达高分辨率一维距离像目标识别方法及系统。

技术介绍

[0002]雷达高分辨一维距离像(High
‑
Resolution Range Profile,HRRP)是宽带雷达发射的信号经过目标散射后，在雷达径向上所接收到回波的投影向量和。HRRP包含目标在接收天线径向的目标散射点的结构分布信息，通过分析可得目标自身的尺寸结构，等效散射中心分布的参数，是如今目标识别分类的重要数据来源。SAR图像拥有丰富的目标二维结构信息，然而成像需要目标一定的转角积累，这次在实际应用中较难以获取非合作目标的高机动飞行过程中数据，而HRRP获取难度低，成像简单。因此HRRP被广泛应用于雷达自动目标识别(Radar Automatic Target Recognition,RATR)领域。在利用HRRP对目标进行快速与准确识别分类中，如何利用已知数据提取全面特征，完成对目标信息分析处理是当前研究的热点问题。
[000本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，包含如下内容：构建目标识别模型并利用预设波段宽带雷达试验场实测数据作为样本数据对模型进行训练优化，其中，该模型包含：两个并行分别对输入的雷达高分辨率一维距离像数据序列相关性特征进行提取和映射分类的分支网络，用于对两个分支网络输出进行数据加权融合的融合层，用于对加权融合后的输出序列进行分类识别的输出层；利用训练优化后的目标识别模型来识别待检测范围内的高分辨率一维距离像目标。2.根据权利要求1所述的基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，两个分支网络中，采用异构的神经网络结构来构建分支网络。3.根据权利要求1或2所述的基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，两个分支网络中，其中一个分支网络采用LSTM网络结构来提取输入雷达高分辨率一维距离像数据序列前后关联时序特征信息并进行分类映射，另一分支网络采用GRU网络结构来提取输入雷达高分辨率一维距离像数据序列散射中心聚集时序特征信息并进行分类映射。4.根据权利要求3所述的基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，LSTM网络结构中，针对输入的雷达高分辨率一维距离像数据序列，通过遗忘门、输入门和输出门来更新当前计算时刻的记忆单元和隐藏状态，将输入的雷达高分辨率一维距离像数据序列前面时刻信息与当前计算时刻信息进行关联，利用时序相关性来提取数据序列特征。5.根据权利要求3所述的基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，GRU网络结构中，利用重置门设置先前时刻信息遗忘程度，利用更新门设置当前时刻信息重要程度，通过重置门和更新门来更新当前时刻的隐藏状态，利用当前时刻信息量来确定并调整当前时刻信息与先前时刻历史信息权重，以通过稀释历史信息数据来提取输入的雷达高分辨率一维距离像数据序列散射中心聚集时序特征。6.根据权利要求3所述的基于双并行网络的雷达高分辨率一维距离像目标识别方法，其特征在于，所述融合层采用动态门结构权值融合调整策略对两个分支网络输出进行加权融合，其中，对两个分支网络输出进行加权融合的权值随网络特征提取状况进行动态调整。7.根据权利要求6所述的基于双并行网络的雷达高分辨率一维距离像目标识别...

【专利技术属性】
技术研发人员：吴济洲，张红敏，黄洁，高暄皓，党同心，陈天翊，程巍轶，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：