一种基于深度阈值残差网络的无人机目标识别方法技术

本发明专利技术属于无人机识别技术领域，具体涉及一种基于深度阈值残差网络的无人机目标识别方法。本发明专利技术首先通过对无人机雷达回波信号进行短时傅里叶变换(STFT)得到微多普勒谱图，然后用深度阈值残差网络从微多普勒谱图中提取分类特征，采用softmax分类器实现对无人机目标的分类识别。其中，深度阈值残差网络由一个卷积模块和三个阈值残差子网组成，在阈值残差子网中引入阈值提取模块，自动学习一个能够抑制噪声分量的阈值，从而降低特征图中的噪声强度，改善信噪比，因此该方法与常规的深度学习方法相比，在低信噪比的条件下具有更优的识别性能。仿真实验验证了本文方法的有效性。仿真实验验证了本文方法的有效性。仿真实验验证了本文方法的有效性。

【技术实现步骤摘要】
一种基于深度阈值残差网络的无人机目标识别方法


[0001]本专利技术属于无人机识别
，具体涉及一种基于深度阈值残差网络的无人机目标识别方法。

技术介绍

[0002]无人机有着体积小、成本低、易藏匿的特点，因此其应用变得越来越广泛，如，无人机已被用于消防、气象监测、巡检、安防监控、农林植保、测绘与地理信息等领域；但同时也有不法分子利用它易藏匿的特点进行违法活动，威胁着国民安全。因此，能准确的识别出无人机类型对预防各类犯罪活动有着重要的意义。
[0003]由于无人机的旋翼在旋转过程中有着明显的微动效应，因此常通过提取无人机的微多普勒特征进行分类识别。而深度学习可以避免人为设计提取特征的复杂性与不稳定性，故常利用深度学习模型对无人机进行识别，可改善识别准确率，但是在低信噪比的情况下，这类方法的识别准确率将降低。

技术实现思路

[0004]本专利技术在组成深度阈值残差网络的阈值残差子网中利用阈值提取模块自动学习能够抑制噪声分量的阈值，以便降低特征图中的噪声强度，改善信噪比，从而可以进一步提高识别准确率。
[0005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度阈值残差网络的无人机目标识别方法，其特征在于，包括以下步骤：S1、获取无人机的微多普勒谱图构成训练样本数据集；S2、构建深度阈值残差网络，包括输入层、卷积模块、第一阈值残差子网、第二阈值残差子网、第三阈值残差子网、全连接层和分类层，每个阈值残差子网均由两个卷积模块、阈值提取层、阈值化层、连接层组成；深度阈值残差网络对训练数据的处理过程为：输入层将每个训练样本的大小裁剪为224*224，并进行随机水平翻转后通过卷积模块进行特征提取，卷积模块的输出F
1(in)
输入到第一阈值残差子网后依次通过两个卷积模块，定义第一阈值残差子网的两个卷积模块输出分别为F
1(1)
和F
1(2)
，F
1(1)
是第一阈值残差子网第二个卷积模块的输入，F
1(2)
作为第一阈值残差子网中的阈值提取层和阈值化层的输入，第一阈值残差子网中的阈值提取层的输出为T1，T1同时也是第一阈值残差子网中的阈值化层的输入，第一阈值残差子网中的阈值化层的输出为F
1(3)
，F
1(3)
经过第一阈值残差子网连接层得到第一阈值残差子网的输出F
1(out)
；具体处理方法是：求输入特征图F
1(2)
的平均特征值F
1(avg)
：其中，H、W分别为特征图F
1(2)
的高度和宽度，F
1(2)
(x,y)表示特征图F
1(2)
在(x,y)这个坐标处的值，x表示高度维，y表示宽度维；求对平均特征值F
1(avg)
加权的权值W
1f
：W
1f
＝max(0,F
1(a...

【专利技术属性】
技术研发人员：周代英，何彬宇，王特起，易传莉雯，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：