一种基于TSF-Transformer-LS的HRRP序列识别方法技术

本发明专利技术公开了一种基于TSF‑Transformer‑LS的HRRP序列识别方法，TSF‑Transformer‑LS的整体结构包括时间编码器模块、空间编码器模块和时空特征融合及识别模块；时间编码器模块和空间编码器模块的编码器用于特征提取，通过堆叠编码器提取深层时间和空间的全局特征，将时间特征和空间特征作为输入，经时空特征融合及识别模块进行特征融合和识别；本发明专利技术使用时间编码器模块和空间编码器模块同时提取HRRP序列的时间和空间的长程相关性，有效增强对目标区域的重要信息的提取能力，抑制噪声区域的不良影响，利用时空融合特征提高识别性能，并通过残差连接避免深层网络的信息丢失问题。

【技术实现步骤摘要】

本专利技术涉及hrrp序列识别方法，具体是指一种基于tsf-transformer-ls的hrrp序列识别方法。

技术介绍

1、传统的hrrp序列识别方法，依赖于人工提取特征，前人致力于通过挖掘可分辨性高的人工特征提高识别精度。如一种基于双谱特征向量的识别方法，选择类间可分离性最大的双谱作为信号的特征向量，避免了有害双谱造成的不良影响。一种基于双分布复合统计模型的识别方法，根据散射中心模型的距离单元中优势散射点的数量，将距离单元划分为三种统计类型，将不同类型距离单元的回波建模为对应的分布形式来完成识别任务。一种基于微多普勒双相干特征的识别方法，所提方法从雷达回波中的微多普勒贡献中提取倒谱系数，使用双相干估计计算分类特征。一种基于隐马尔可夫模型的识别方法，从高分辨率雷达信号幅度与目标距离剖面中提取了六个功率谱特征，使用隐马尔可夫模型进行识别。人工特征提取的方法需要大量先验知识作为支撑，对研究人员的主观因素的依赖较强，对特征的表达能力有限，所以识别精度不高。为了克服人工特征提取存在的局限性，将机器学习的方法引入hrrp识别任务。一种基于支持向量机的识别方法，根本文档来自技高网...

【技术保护点】

1.一种基于TSF-Transformer-LS的HRRP序列识别方法，包括TSF-Transformer-LS的整体结构和HRRP序列识别方法，其特征在于：所述TSF-Transformer-LS的整体结构包括时间编码器模块、空间编码器模块和时空特征融合及识别模块；所述时间编码器模块和空间编码器模块的编码器用于特征提取，通过堆叠编码器提取深层时间和空间的全局特征，将时间特征和空间特征作为输入，经时空特征融合及识别模块进行特征融合和识别；

2.根据权利要求1所述的一种基于TSF-Transformer-LS的HRRP序列识别方法，其特征在于：所述编码器由多头注意力层、Drop...

【技术特征摘要】

1.一种基于tsf-transformer-ls的hrrp序列识别方法，包括tsf-transformer-ls的整体结构和hrrp序列识别方法，其特征在于：所述tsf-transformer-ls的整体结构包括时间编码器模块、空间编码器模块和时空特征融合及识别模块；所述时间编码器模块和空间编码器模块的编码器用于特征提取，通过堆叠编码器提取深层时间和空间的全局特征，将时间特征和空间特征作为输入，经时空特征融合及识别模块进行特征融合和识别；

2.根据权利要求1所述的一种基于tsf-transformer-ls的hrrp序列识别方法，其特征在于：所述编码器由多头注意力层、dropout正则化层、残差连接&层归一化、前馈神经网络层组成；

3.根据权利要求1所述的一种基于tsf-transformer-ls的hrrp序列识别方法，其特征在于：所述hrrp序列由连续方位角的hrrp数据组成，hrrp序列随着方位角的变化而动态改变，不同的目标呈现出不同的趋势和规律，通过人工提取微小变化的深层时序信息难度较大；

4.根据权利要求1所述的一种基于tsf-transformer-ls的hrr...

【专利技术属性】
技术研发人员：王鹏，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：