一种基于门控递归残差网络的电大复杂目标识别方法技术

本发明专利技术公开了一种基于门控递归残差网络的电大复杂目标识别方法。其包括：通过测绘获取电大复杂物体几何外形数据，建立精细几何模型数据库；对模型网格剖分；选用高频近似算法快速获得一维距离像数据库；对数据预处理，减少数据敏感性影响；构建ResNet‑GRU神经网络结构；将数据集输入网络，采用可变学习率优化损失函数；将待测数据输入到训练网络，输出目标分类名称。本发明专利技术构建的ResNet‑GRU网络，通过残差卷积模块和残差门控循环单元模块并行挖掘数据空间和时间特征信息，通过自注意力机制层动态分配融合特征权重残差网络，其网络模型有效避免传统深层网络训练出现的梯度爆炸、梯度消失和序列长期依赖问题，且精度高、参数量少，适用于多种应用场景。

【技术实现步骤摘要】

本专利技术涉及电大尺寸物体根据电磁散射特性自动识别方法，尤其涉及一种基于门控递归残差网络的电大复杂目标识别方法。

技术介绍

1、雷达作为军事领域中不可或缺的重要设备，其智能化对于感知多变的战场环境至关重要。随着现代战争环境复杂化、敌对目标及任务的多元化，如何在恶劣的环境中对目标进行精准识别，是雷达探测的关键。一维距离像能较好的反映雷达目标的散射特性和几何结构信息，具有成像简单、易于获取、数据量小、运算复杂度低等优势，尤其适用于电大尺寸复杂目标识别提取，具有较高的研究价值和应用前景。

2、传统的雷达目标提取方法需要先提取一维距离像的特征，将不同目标的特征数据构建成特征数据库，在分类器中进行分类。特征参数的提取不仅依赖于雷达系统的性能，而且与研究者的技术、经验有关，导致提取的特征不够稳定。分类器的好坏也直接影响到目标识别提取的准确率。因此，亟需更有效的目标检测方法对雷达目标回波信号进行准确、迅速提取。

3、基于以上背景，本专利技术提出一种基于门控递归残差网络的电大目标识别方法。其中，残差卷积网络可以使用一维卷积核和残差块来有效捕捉每个距本文档来自技高网...

【技术保护点】

1.一种基于门控递归残差网络的电大复杂目标识别方法，其特征在于，包含以下步骤：

2.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤S3中的具体步骤为：

3.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤S4的具体步骤为：

4.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤S5中ResNet模块的残差卷积网络包括第一卷积层、第二卷积层、第三卷积层、第四卷积层，通道数分别为16，32，64，128；其中，第一卷积层执行卷积操作和最大池化操作；第二卷积层、第三卷积...

【技术特征摘要】

1.一种基于门控递归残差网络的电大复杂目标识别方法，其特征在于，包含以下步骤：

2.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤s3中的具体步骤为：

3.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤s4的具体步骤为：

4.如权利要求1所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤s5中resnet模块的残差卷积网络包括第一卷积层、第二卷积层、第三卷积层、第四卷积层，通道数分别为16，32，64，128；其中，第一卷积层执行卷积操作和最大池化操作；第二卷积层、第三卷积层、第四卷积层都由两个第一残差块构成，每个第一残差块由两层卷积网络组成：

5.如权利要求4所述的基于门控递归残差网络的电大复杂目标识别方法，其特征在于，步骤s5中，

...

【专利技术属性】
技术研发人员：柳尚银，邢蕾，徐千，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：