一种基于残差多尺度深度网络模型的旋翼类目标识别方法技术

本发明专利技术公开了一种基于残差多尺度深度网络模型的旋翼类目标识别方法，包括：以旋翼叶片回波的积分模型构建围绕旋翼叶片中心进行空间姿态变化的旋翼类目标叶片雷达回波模型；通过横滚、纵摇、偏航三种姿态角的变化，分析旋翼在自由空间中的运动对目标微动特性的影响；以五类典型单旋翼/双旋翼类目标作为旋翼类目标代表，构建五类目标在自由空间下的雷达回波时频图数据集；分别构建三种不同的旋翼类目标的仿真数据集，采用深度残差多尺度二维卷积神经网络来对时频图数据进行特征提取同时对目标进行分类；本方法对旋翼类目标的识别率大大提高，明显优于传统的识别方法。明显优于传统的识别方法。明显优于传统的识别方法。

【技术实现步骤摘要】
一种基于残差多尺度深度网络模型的旋翼类目标识别方法


[0001]本专利涉及旋翼类目标识别方法，具体说是一种用基于残差多尺度深度网络模型的旋翼类目标识别方法。

技术介绍

[0002]旋翼类飞机如武装直升机、鱼鹰运输机等被广泛应用于各种军事行动，对旋翼类飞机的类型进行准确、快速的识别，有助于实现战场态势感知，对战争胜负起着举足轻重的作用。然而随着电磁伪装、隐身材料等现代高科技技术的发展及应用，基于目标形状、雷达截面积(RCS，RadarCross Section)等非运动特征的传统目标识别手段已难以满足目标属性识别的需求，这使得基于目标运动特征的识别显得尤为重要；直升机旋翼叶片旋转导致的雷达回波的频率调制，即为“微多普勒效应”，不同旋翼直升机具有自身独特的微多普勒效应，对目标的微动信息进行精准提取，可实现对不同旋翼类目标的分类识别。但目前旋翼类目标识别的现有技术中，尚未看到目标识别精度高的方法。

技术实现思路

[0003]本专利技术要解决的目前旋翼类目标识别的现有技术中，尚未看到目标识别精度高的方法的问题。/>[0004]针对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于残差多尺度深度网络模型的旋翼类目标识别方法，其特征在于，包括如下步骤：步骤1:旋翼叶片三维空间建模，以旋翼叶片回波的积分模型构建围绕旋翼叶片中心进行空间姿态变化的旋翼类目标叶片雷达回波模型；步骤2：通过横滚、纵摇、偏航三种姿态角的变化，分析旋翼在自由空间中的运动对目标微动特性的影响；步骤3：以AH
‑
64、K
‑
50、K
‑
MAX、V
‑
22、WZ
‑
9这五类典型单旋翼/双旋翼类目标作为旋翼类目标代表；由于双旋翼目标的两个主旋翼之间的距离远小于其与雷达之间的距离，因此可以认为两个主旋翼处于同一位置，得到的旋翼目标总回波为两个主旋翼回波的叠加值，构建AH
‑
64、K
‑
50、K
‑
MAX、V
‑
22、WZ
‑
9这五类目标在自由空间下的雷达回波时频图数据集；步骤:4：通过同时改变五类不同旋翼类目标的旋翼中心的俯仰角β、横滚角ψ、纵摇角θ和偏航角这四种角度来增加数据的多样性；步骤5：对每种旋翼类目标分别构建三种不同的旋翼类目标的仿真数据集，分别是数据集a、数据集b、数据集c；数据集a的训练集、验证集和测试集中都包含相同信噪比的时频图数据，仅旋翼中心的俯仰角和旋翼叶片的三种空间姿态角之间存在差别，这三者的时频图数量比例为5：2：3，这种数据集的构建方式相对理想，仅可以体现模型识别方法的好坏，但与实际应用背景不一致；在实际应用过程中，由于测试集样本一般比训练集样本的信噪比低，因此构建了数据集c，数据集c中训练集样本的信噪比比测试集样本的信噪比高，训练集样本和测试集样本信噪比的失配会导致目标识别率的下降，为了进一步减小噪声对识别方法的影响，检验模型的性能，构建了数据集b，数据集b中训练集样本的信噪比比测试集样本的信噪比低；步骤6：采用深度残差多尺度二维卷积神经网络(Multi
‑
Scale Resnet，MLS
‑
Resnet)来对时频图数据进行特征提取同时对目标进行分类，输出层之前的部分都是特征提取模块；所述深度残差多尺度二维卷积神经网络包括卷积层、池化层、残差多尺度块、多尺度池化层，全连接层、输出层。2.根据权利要求1所述的基于残差多尺度深度网络模型的旋翼类目标识别方法，其特征在于：所述步骤四中旋翼目标的四种角度同时随机产生。3.根据权利要求1所述的基于残差多尺度深度网络模型的旋翼类目标识别方法，其特征在于：所述步骤四中为了分析噪声对旋翼目标识别效果的影响，在目标回波中添加了复高斯白噪声，然后经过时频变换得到目标时频图。4.根据权利要求1所述的基于残差多尺度深度网络模型的旋翼类目标识别方法，其特征在于：所述步骤5中数据集a的构建方法如下：分别在0dB、5dB、10dB、15dB、20dB、25dB和30dB信噪比条件下，每类目标随机生成1000幅时频图，其中500幅用于训练，200幅用于验证，300幅用于测试，最终构成17500幅的训练集、7000幅的验证集、10500幅的测试集。5.根据权利要求1所述的基于残差多尺度深度网络模型的旋翼类目标识别方法，其特征在于:所述步骤5中数据集b的构建方法如下：分别在0dB、2dB、4dB、6dB和8dB信噪比下，每类目标随机生成700幅时频图，其中500幅用于训练、200幅用于验证，最终构成12500幅的训练集和5000幅的验证集；分别在10dB、15dB、20dB、25dB和30dB信噪比下，每类目标生成300
...

【专利技术属性】
技术研发人员：黄亮，陈阿磊，杨军，袁俊泉，陈文峰，李世飞，刘振，占婵，周畅，王安乐，
申请(专利权)人：中国人民解放军空军预警学院，
类型：发明
国别省市：