基于高维特征图谱的目标综合识别方法、装置及设备制造方法及图纸

本发明专利技术实施例提供了一种基于高维特征图谱的目标综合识别方法、装置及设备，所述方法包括：获得基于雷达传感器采集的关于目标群的观测数据；对所述观测数据进行处理，并对处理结果进行特征提取，得到关于所述目标群的多维特征数据；处理所述多维特征数据形成目标多维特征向量；将所述目标多维特征向量输入自编码器，以基于所述自编码器实现所述目标多维特征向量的数据降维和深度特征提取，得到目标多维特征图谱；将所述目标多维特征图谱输入至目标神经网络，以基于所述目标神经网络对所述目标多维特征图谱进行分类，实现目标识别。基于本实施例的方法能够有效提高目标识别的准确率及效率。及效率。及效率。

【技术实现步骤摘要】
基于高维特征图谱的目标综合识别方法、装置及设备


[0001]本专利技术实施例涉及目标识别
，特别涉及一种基于高维特征图谱的目标综合识别方法、装置及设备。

技术介绍

[0002]随着弹道导弹目标突防手段的不断提升，反导目标识别技术成为弹道导弹防御中最为关键的技术之一，对导弹防御的成败起着决定性作用。弹道导弹目标识别正确与否关系到目标预警、精密跟踪、目标拦截、杀伤评估等各个阶段的性能，没有正确的目标识别信息，就无法给出正确的威胁评估和警报，也无法进行精密跟踪，没有对导弹目标的跟踪信息，就无法进行落点预报，也就不能实现目标的有效拦截和杀伤评估。
[0003]传统的雷达目标识别可分为以下几个阶段：信息采集、数据预处理、特征学习、分类器设计和判别输出。
[0004]信息采集阶段获取的数据分为两类：1)雷达散射截面积(Radar Cross Section,RCS)和高分辨距离像(high resolution range profile,HRRP)等一维数据；2)合成孔径雷达(synthetic aperture radar,SAR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高维特征图谱的目标综合识别方法，其特征在于，包括：获得基于雷达传感器采集的关于目标群的观测数据；对所述观测数据进行处理，并对处理结果进行特征提取，得到关于所述目标群的多维特征数据；处理所述多维特征数据形成目标多维特征向量；将所述目标多维特征向量输入自编码器，以基于所述自编码器实现所述目标多维特征向量的数据降维和深度特征提取，得到目标多维特征图谱；将所述目标多维特征图谱输入至目标神经网络，以基于所述目标神经网络对所述目标多维特征图谱进行分类，实现目标识别。2.根据权利要求1所述的基于高维特征图谱的目标综合识别方法，其特征在于，所述获得基于雷达传感器采集的关于目标群的观测数据，包括：获得基于雷达传感器采集的关于目标群的观测数据，所述观测数据包括所述目标群的飞行数据、目标进动角、进动频率。3.根据权利要求2所述的基于高维特征图谱的目标综合识别方法，其特征在于，所述对所述观测数据进行处理，包括：基于所述观测数据计算每个观测时刻下所述目标群的目标进动姿态角；基于所述目标进动姿态角及观测数据计算生成所述目标群实际飞行过程中的RCS数据、HRRP数据和窄带极化数据。4.根据权利要求1所述的基于高维特征图谱的目标综合识别方法，其特征在于，所述对处理结果进行特征提取，得到关于所述目标群的多维特征数据，包括：确定特征提取模块中的滑动窗口和滑动步长，以截取用于对所述处理结果中不同类型的特征进行特征提取的测量序列；确定对应不同类型特征的提取算法，结合各所述提取算法及对应的测量序列进行特征提取，得到关于所述目标群的多维特征数据。5.根据权利要求1所述的基于高维特征图谱的目标综合识别方法，其特征在于，所述目标群具有多类型特征，不同类型特征具有对应的所述多维特征数据；所述处理所述多维特征数据形成目标多维特征向量，包括：将所述目标群的不同类型特征对应的多维特征数据进行合并后形成所述目标多维特征向量。6.根据权利要求1所述的基于高维特征图谱的目标综合识别方法，其特征在于，所述将所述目标多维特征向量输入自编码器，以基于所述自编码器实现所述目标多维特征向量的数据降维和深度特征提取，得到目标多维特征图谱，包括：将所述目标多维特征向量输入自编码器，基于所述自编码器的多个中间层结构实现所述目标多维特征向量的数据降维和深度特征...

【专利技术属性】
技术研发人员：刘佳琪，艾夏，柴忪，张超，
申请(专利权)人：北京航天长征飞行器研究所，
类型：发明
国别省市：