一种基于多帧信息关联的杂波分类器训练和实现方法技术

本发明专利技术涉及一种基于多帧信息关联的杂波分类器训练和实现方法，属于雷达目标跟踪领域，针对的是对基于学习的目标分类器进行训练，进行数据标注，效率低下的问题，采用的技术途径包括：用卷积神经网络构建杂波分类器；基于多帧信息关联产生训练样本，样本产生分为两个模块，模块一产生训练的正样本，模块二产生训练的负样本；利用正样本和负样本对视频域分类器和点迹域分类器进行训练；对于同一可以点采用视频域分类器和点迹域分类器联合进行判决。本发明专利技术能够实现分类器的自主训练，减少人的参与，提高了训练效率。

【技术实现步骤摘要】

本专利技术属于达目标检测。

技术介绍

1、在雷达信号处理或者数据处理中，可以应用基于机器学习的深度神经网络对回波进行检测，检测的目的是检出一帧视频图像中存在的目标位置及类别。其中一类经典的算法被称为“二阶段”检测算法，以rcnn、fast-rcnn、faster-rcnn为典型代表。典型二阶段检测算法分为两阶段，第一阶段是目标定位阶段，使用一系列尺寸各异的候选框遍历回波图像，根据候选框内图像的目标置信度确定回波点的位置；第二阶段是根据回波点的位置，在回波上取出一个合适大小的切片，判断切片图像是杂波还是目标。

2、在应用基于机器学习的深度神经网络对回波进行检测前，必须对神经网络进行训练，需要海量的包含目标的视频切片和包含杂波的视频切片，将视频切片进行类别标记后，送入神经网络进行训练。训练完成后可以应用于实时回波检测。

3、传统的训练样本数据需要人工进行标记，效率低下，需要消耗大量的人力，操作员识别而且随着雷达工作环境的变化，已经训练好的神经网络模型不一定适应新的工作环境。因此有必要研究在雷达检测领域的深度神经网络能够实现自学习自训练。本文档来自技高网...

【技术保护点】

1.一种基于多帧信息关联的杂波分类器训练和实现方法，其特征在于：

2.根据权利要求1所述的一种基于多帧信息关联的杂波分类器训练和实现方法，其特征在于：所述步骤4的总分类器构建方法包括：

【技术特征摘要】

1.一种基于多帧信息关联的杂波分类器训练和实现方法，其特征在于：

2.根据权利要求1所...

【专利技术属性】
技术研发人员：李纪三，陈稳，侯娇，曹阳，姜小祥，
申请(专利权)人：中国船舶集团有限公司第七二四研究所，
类型：发明
国别省市：