一种基于航向信息融合的超宽带冲击引信目标识别方法技术

本发明专利技术公开了一种基于航向信息融合的超宽带冲击引信目标识别方法，包括步骤S100：UWB

【技术实现步骤摘要】
一种基于航向信息融合的超宽带冲击引信目标识别方法


[0001]本专利技术涉及超宽带冲击引信目标识别领域，特别涉及一种基于航向信息融合的超宽带冲击引信目标识别方法。

技术介绍

[0002]超宽带雷达(Ultra Wide
‑
band Radar，UWBR)是一种新型的雷达技术，已被广泛运用于手势识别，生命体征探测、人体成像或者自动驾驶等军事与民用领域，并取得了较好的应用效果。UWBR按照发射信号波形的不同通常可分为冲激脉冲UWBR(UWB
‑
IR)和非冲激脉冲UWBR两类。UWB
‑
IF是UWB
‑
IR在引信上的应用，也称无载波超宽带引信，它是一种典型的瞬态雷达，其辐射通常具有超大带宽的冲激脉冲序列。
[0003]目前常用的UWB
‑
IF目标识别方法大多是利用雷达对目标的一维回波信号，即高分辨距离像(high resolution range profile，HRRP)来进行，常见的基于HRRP的目标识别方法包括传统的HRRP特征提取与分析方法、HRRP二维化处理方法以及基于深度学习的HRRP目标识别方法。除了HRRP目标识别方法外，还存在各种基于多维信息融合的UWB
‑
IF目标识别方法，包括但不限于对目标进行成像，融合目标距离角度信息、对目标进行序贯融合，融合慢时间维度上的目标信息等。实际上，除了上述的UWB
‑
IF目标识别方法，还可以利用对目标的一些先验知识，排除一些不可能的识别结果，进而从概率学上提升目标识别的性能。相较于其他的方法，通过对目标先验知识，来缩小目标识别的目标域，进而提升识别效果的方法，具有更强的稳定性，可以适应各种复杂的环境与条件。
[0004]在上述研究基础上，本专利提出一种基于航向信息融合的UWB
‑
IF目标识别方法，尝试利用对雷达目标航向信息的先验，来约束目标识别任务的目标域，并设计神经网络模型DF
‑
CBD(Direction Fused CNN BiLSTM DNN，DF
‑
CBD)，通过航向辅助通道，实现航向信息的融合，最终实现在不同信噪比下对UWB
‑
IF目标识别性能的提升。

技术实现思路

[0005]为了克服现有技术中的不足，本专利技术提供一种基于航向信息融合的超宽带冲击引信目标识别方法，可在不同信噪比下，利用对目标航向信息的先验，约束识别任务的目标域，从概率学上提升目标识别的性能，可为不同应用场景下的UWB
‑
IF目标识别提供更多的帮助。
[0006]为了达到上述专利技术目的，解决其技术问题所采用的技术方案如下：
[0007]一种基于航向信息融合的超宽带冲击引信目标识别方法，包括以下步骤：
[0008]步骤S100：UWB
‑
IF目标信号与航向信息获取：针对UWB
‑
IF目标，采集目标雷达回波信号的同时，获取目标瞬时航向信息；
[0009]步骤S200：DF
‑
CBD网络模型设计：设计DF
‑
CBD模型，包括雷达信号识别通道与航向辅助通道，采用双通道的形式，利用目标航向信息，约束基础目标域的范围，从概率学上提升识别准确率；
[0010]步骤S300：DF
‑
CBD模型效果验证：针对相同数据集，在不同信噪比环境下，对比添加航向融合与不添加航向融合时的目标识别率。
[0011]进一步的，在步骤S100中，所述UWB
‑
IF目标信号与航向信息获取，不仅仅需要获取目标的瞬时回波信号，还需要获取目标的瞬时航向信息，以确保回波信号、目标种类以及目标航向的一一对应关系。
[0012]进一步的，在步骤S200中，所述DF
‑
CBD网络模型的设计包括主通道与航向辅助通道，各通道具体包括：
[0013](1)主通道：
[0014]主通道一维卷积层1：卷积核长度为3，卷积核数量为48；
[0015]航向融合节点1：融合航向辅助通道特征约束的全连接层1的输出与主通道一维卷积层1的输出；
[0016]主通道一维卷积层2：卷积核长度为3，卷积核数量为36；
[0017]航向融合节点2：融合航向辅助通道特征约束的全连接层2的输出与主通道一维卷积层2的输出；
[0018]主通道一维卷积层3：卷积核长度为3，卷积核数量为16；
[0019]航向融合节点3：融合航向辅助通道特征约束的全连接层3的输出与主通道一维卷积层3的输出；
[0020]主通道BiLSTM层1：隐层节点数为128；
[0021]主通道BiLSTM层2：隐层节点数为128；
[0022]主通道Attention层：自注意力机制；
[0023]主通道全连接层1：节点数为1024；
[0024]航向融合节点4：融合航向辅助通道分类约束全连接层1的输出与主通道全连接层1的输出；
[0025]主通道全连接层2：节点数为128；
[0026]航向融合节点5：融合航向辅助通道分类约束全连接层2的输出与主通道全连接层2的输出；
[0027]主通道全连接层3：节点数为3；
[0028](2)航向辅助通道：
[0029]航向辅助通道特征约束的全连接层1：节点数为48；
[0030]航向辅助通道特征约束的全连接层2：节点数为36；
[0031]航向辅助通道特征约束的全连接层3：节点数为16；
[0032]航向辅助通道分类约束的全连接层1：节点数为1024；
[0033]航向辅助通道分类约束的全连接层2：节点数为128；
[0034]上述除去最后一层全连接的输出不含激活函数，其余所有包含激活函数的选择都是ReLU，模型损失函数选择交叉熵函数。
[0035]进一步的，DF
‑
CBD主通道的连接方式为每层间串行连接，而航向辅助通道的连接方式按照特征约束功能与分类约束功能分别进行并行连接，即连接方式为：
[0036]输入
‑
＞航向辅助通道特征约束的全连接层1
‑
＞航向辅助通道特征约束全连接层2
‑
＞航向辅助通道特征约束全连接层3，以及输入
‑
＞航向辅助通道分类约束全连接层1
‑
＞
航向辅助通道分类约束全连接层2。
[0037]进一步的，DF
‑
CBD的主通道用于对目标雷达回波信号的分类与识别，航向辅助通道则通过航向融合节点来修正和约束主通道的输出结果。
[0038]进一步的，DF
‑
CBD模型使用对目标航向信息的先验，来约束主通道分类任务的目标域，进而从概率学上提升目标识别任务的准确度。
[0039]进一步的，在步骤S300中，所述DF本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于航向信息融合的超宽带冲击引信目标识别方法，其特征在于，包括以下步骤：步骤S100：UWB
‑
IF目标信号与航向信息获取：针对UWB
‑
IF目标，采集目标雷达回波信号的同时，获取目标瞬时航向信息；步骤S200：DF
‑
CBD网络模型设计：设计DF
‑
CBD模型，包括雷达信号识别通道与航向辅助通道，采用双通道的形式，利用目标航向信息，约束基础目标域的范围，从概率学上提升识别准确率；步骤S300：DF
‑
CBD模型效果验证：针对相同数据集，在不同信噪比环境下，对比添加航向融合与不添加航向融合时的目标识别率。2.根据权利要求1所述的一种基于航向信息融合的超宽带冲击引信目标识别方法，其特征在于，在步骤S100中，所述UWB
‑
IF目标信号与航向信息获取，不仅仅需要获取目标的瞬时回波信号，还需要获取目标的瞬时航向信息，以确保回波信号、目标种类以及目标航向的一一对应关系。3.根据权利要求1所述的一种基于航向信息融合的超宽带冲击引信目标识别方法，其特征在于，在步骤S200中，所述DF
‑
CBD网络模型的设计包括主通道与航向辅助通道，各通道具体包括：(1)主通道：主通道一维卷积层1：卷积核长度为3，卷积核数量为48；航向融合节点1：融合航向辅助通道特征约束的全连接层1的输出与主通道一维卷积层1的输出；主通道一维卷积层2：卷积核长度为3，卷积核数量为36；航向融合节点2：融合航向辅助通道特征约束的全连接层2的输出与主通道一维卷积层2的输出；主通道一维卷积层3：卷积核长度为3，卷积核数量为16；航向融合节点3：融合航向辅助通道特征约束的全连接层3的输出与主通道一维卷积层3的输出；主通道BiLSTM层1：隐层节点数为128；主通道BiLSTM层2：隐层节点数为128；主通道Attention层：自注意力机制；主通道全连接层1：节点数为1024；航向融合节点4：融合航向辅助通道分类约束全连接层1的输出与主通道全连接层1的输出；主通道全...

【专利技术属性】
技术研发人员：熊刚，张淑宁，陈迪，赵惠昌，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：