System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及雷达信号处理,具体而言,涉及一种目标识别方法、系统、计算机设备和存储介质。
技术介绍
1、循环神经网络(recurrent neural network,rnn)的内部记忆结构在分析时间序列上极具优势,目前已常被用于自然语言处理、语音识别等以时间序列信号作为输入的应用场景中。而高分辨一维距离像(high resolution range profile,hrrp)作为一组序列,每个点都表征着不同的距离,同样可以作为时间序列而使用rnn。目标处于不同姿态下,其相位特征是对不同姿态的一种很好的表达,但是目前基于hrrp的目标识别技术普遍采用实数hrrp数据,即对hrrp原始数据求模、归一化,此种方法舍弃了目标的相位信息,这会对最终的识别率产生不利的影响。
2、有鉴于此,特提出本申请。
技术实现思路
1、本专利技术的目的在于提供一种目标识别方法、系统、计算机设备和存储介质,解决现有的基于hrrp的目标识别技术采用对实数hrrp数据进行处理,舍弃了目标的相位信息,会影响识别准确率的问题。
2、本专利技术通过下述技术方案实现:
3、第一方面,提供一种基于一维距离像复信号的目标识别方法,包括以下步骤:接收待识别目标的高分辨率一维距离像;所述高分辨率一维距离像的每一个向量包含实部和虚部;将所述高分辨率一维距离像输入双向长短期记忆网络,输出第一特征向量和第二特征向量;将所述第一特征向量和所述第二特征向量合并,输出合并后的特征向量;将合并后的特征向量
4、进一步的,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:对所述高分辨率一维距离像的每一个向量除以对应的向量模值。
5、进一步的,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:设置所述双向长短期记忆网络的隐层数;对双向长短期记忆网络进行训练。
6、进一步的,所述对所述分类结果进行归一化处理的方法为:利用softmax函数将合并后的特征向量转化为[0,1]区间内的值。
7、第二方面,提供一种基于一维距离像复信号的目标识别系统,包括:数据接收模块、特征提取模块、数据合并模块、数据处理模块和分类识别模块。其中,数据接收模块用于接收待识别目标的高分辨率一维距离像;所述高分辨率一维距离像的每一个向量包含实部和虚部。特征提取模块用于将所述高分辨率一维距离像输入双向长短期记忆网络,输出第一特征向量和第二特征向量。数据合并模块用于将所述第一特征向量和所述第二特征向量合并,输出合并后的特征向量。数据分类模块用于将合并后的特征向量输入全连接层进行分类,输出分类结果。数据处理模块用于对所述分类结果进行归一化处理,输出归一化处理结果。分类识别模块用于根据所述归一化处理结果对所述待识别目标进行分类,输出分类识别结果。
8、进一步的,所述目标识别系统还包括数值计算模块。所述数值计算模块用于对所述高分辨率一维距离像的每一个向量除以对应的向量模值。
9、进一步的,所述目标识别系统还包括模型设置模块和模型训练模块。其中,模型设置模块用于设置所述双向长短期记忆网络的隐层数。模型训练模块用于对双向长短期记忆网络进行训练。
10、进一步的,所述数据处理模块包括归一化处理单元。所述归一化处理单元用于利用softmax函数将所述分类结果转化为[0,1]区间内的值。
11、第三方面,提供一种计算机设备,包括次通信连接的存储器、处理器和收发器;所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如第一方面所述的广告刊播拍照任务分配方法。
12、第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如第一个方面所述的广告刊播拍照任务分配方法。
13、本专利技术与现有技术相比,具有如下的优点和有益效果:
14、1、将高分辨率一维距离像数据同时正向、反向地输入双向短长期记忆网络进行特征提取,可消除对目标平移的敏感性;并且,将高分辨率一维距离像数据的实部、虚部分成两个维度作为双向短长期记忆网络的输出,保留了待识别目标的完整的相位信息,能够从不同姿态下的目标一维距离像中提取出更多隐性特征,从而提高待识别目标的识别准确率。
15、2、在将高分辨率一维距离像输入双向长短期记忆网络之前,分别对高分辨率一维距离像的每一个向量除以对应的向量模值,从而对原始数据进行归一化处理,消除幅度敏感性。
本文档来自技高网...【技术保护点】
1.一种基于一维距离像复信号的目标识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于一维距离像复信号的目标识别方法,其特征在于,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:对所述高分辨率一维距离像的每一个向量除以对应的向量模值。
3.根据权利要求1或2所述的一种基于一维距离像复信号的目标识别方法,其特征在于,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:
4.根据权利要求1或2所述的一种基于一维距离像复信号的目标识别方法,其特征在于,所述对所述分类结果进行归一化处理的方法为:利用softmax函数将合并后的特征向量转化为[0,1]区间内的值。
5.一种基于一维距离像复信号的目标识别系统,其特征在于,包括:
6.根据权利要求5所述的一种基于一维距离像复信号的目标识别系统,其特征在于,还包括:
7.根据权利要求5或6所述的一种基于一维距离像复信号的目标识别系统,其特征在于,还包括:
8.根据权利要求5或6所述的一种基于一维距离像复信号的
9.一种计算机设备,其特征在于,包括次通信连接的存储器、处理器和收发器;所述存储器用于存储计算机程序,所述收发器用于收发消息,所述处理器用于读取所述计算机程序,执行如权利要求1~4中任意一项所述的广告刊播拍照任务分配方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有指令,当所述指令在计算机上运行时,执行如权利要求1~4中任意一项所述的广告刊播拍照任务分配方法。
...【技术特征摘要】
1.一种基于一维距离像复信号的目标识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于一维距离像复信号的目标识别方法,其特征在于,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:对所述高分辨率一维距离像的每一个向量除以对应的向量模值。
3.根据权利要求1或2所述的一种基于一维距离像复信号的目标识别方法,其特征在于,将所述高分辨率一维距离像输入双向长短期记忆网络之前,还包括以下步骤:
4.根据权利要求1或2所述的一种基于一维距离像复信号的目标识别方法,其特征在于,所述对所述分类结果进行归一化处理的方法为:利用softmax函数将合并后的特征向量转化为[0,1]区间内的值。
5.一种基于一维距离像复信号的目标识别系统,其特征在于,包括:
【专利技术属性】
技术研发人员:吴浩天,李灿,林靖,何禹涛,
申请(专利权)人:北京天地一格科技有限公司,
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。