【技术实现步骤摘要】
一种基于深度主动学习的雷达目标识别方法及雷达系统
[0001]本专利技术涉及雷达数据识别
,尤其涉及一种基于深度主动学习的雷达目标识别方法及雷达系统
。
技术介绍
[0002]随着人工智能技术的发展,基于
AI
技术的下一代军事雷达系统已然成为未来军事监测和拦截领域的重要趋势
。
这种新型雷达系统在探测
、
识别和拦截方面具有更高的精度和更强的实时性
。
[0003]通过使用机器学习和深度学习等技术,这种雷达系统可以根据不同的场景和目标,自动调整探测参数,提高探测精度和速度
。
但目前基于机器学习或深度学习的雷达目标识别方案,存在以下问题:模型无法训练所有背景下的数据
(
例如不同环境
、
不同雷达
、
不同目标类型等
)
,模型仅能识别固定类别的物体,模型无法识别特征差异很大的数据,模型一旦部署无法在线利用新数据
。
现有的雷达目标识别方案,大都无法针对新数据持续更新模型,少量方案考虑到了模型的可持续更新,但也只是使用普通的微调方法
。
考虑到新数据可能是训练集中已有的类型,也可能是训练集中未出现过的新类型,如果只采用简单的微调法更新分类模型参数,会导致会灾难性遗忘问题
。
此外,基于实测数据训练的雷达数据识别模型,其训练阶段获取的不同类别样本数量可能相差非常大,这也会影响模型的分类效果
。
专利 ...
【技术保护点】
【技术特征摘要】
1.
一种基于深度主动学习的雷达目标识别方法,其特征在于,包括如下步骤:步骤
1、
对雷达数据进行采集与解析;步骤
2、
对所述雷达数据进行预处理;步骤
3、
基于训练后的深度学习分类模型,在线识别雷达数据;步骤
4、
基于主动学习,对所述深度学习分类模型持续更新
。2.
根据权利要求1所述的基于深度主动学习的雷达目标识别方法,其特征在于,步骤1中,对雷达数据进行采集的方法包括:雷达系统基于现场实测,采集相关点迹数据,并做实时航迹关联,得到原始航迹数据;对雷达数据进行解析的方法包括:雷达系统通过
UDP
协议向固定
IP
地址和端口发送原始航迹数据,目标识别系统实时监听该地址并及时捕捉到报文数据;对于每一条接收到的报文数据,解析提取所需特征;然后根据批号归为一组形成航迹数据,按照报文里的时间进行排序,得到以批号为索引的航迹数据序列
。3.
根据权利要求1所述的基于深度主动学习的雷达目标识别方法,其特征在于,步骤2中,对所述雷达数据进行预处理的方法包括:数据清洗
、
坐标转换
、
数据差分
、
数据分帧;所述数据清洗包括缺失值处理和异常值处理;所述坐标转换是将航迹数据的雷达坐标转换为以雷达所在位置为原点的笛卡尔坐标系三维坐标;所述数据差分是对航迹数据的坐标做差分处理,即当前点的坐标减去上一个点的坐标;所述数据分帧是在输入的序列数据上做滑窗处理,扩充样本数量
。4.
根据权利要求1所述的基于深度主动学习的雷达目标识别方法,其特征在于,步骤3中,针对所述深度学习分类模型,从数据层面和
/
或基于损失函数来缓解类别不平衡带来的影响;所述数据层面是通过过采样和欠采样对雷达数据进行处理;所述损失函数是采用
Focal Loss
或
GHM Loss
对模型进行优化
。5.
根据权利要求1所述的基于深度主动学习的雷达目标识别方法,其特征在于,步骤4中,主动学习的方法包括:在线识别过程中,不断积累保存新样本和人工标注结果,然后通过类增量学习算法不断更新深度学习分类模型,并将更新后的模型继续用于雷达数据在线识别
。6.
根据权利要求5所述的基于深度主动学习的雷达目标识别方法,其特征在于,所述通过类增量学习算法不断更新深度学习分类模型的方法包括:保存历史数据中的最优参考样本,根据类别的不同将其分为多个最优参考样本集;当出现新样本,基于参考样本集的平均特征向量对其类...
【专利技术属性】
技术研发人员:郑敏娥,胡亮,陶原野,展华益,
申请(专利权)人:四川长虹电子控股集团有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。