一种强机动下基于多尺度深度学习的雷达目标检测方法技术

本发明专利技术公开了一种强机动下基于多尺度深度学习的雷达目标检测方法，属于雷达目标检测技术领域，包括：对原始的雷达回波数据进行滤波并处理成回波图像作为当前帧回波图像；利用搭载了注意力机制的Swin‑Spatial Transformer网络提取当前帧回波图像的特征图；通过Conv‑LSTM网络提取历史n帧的回波图像的时间和空间特征，并与所提取的其它尺度特征进行融合，通过后续模块输出蕴含了时空变化特征的深层特征；融合产生的多维深层特征，得到雷达回波图像的多层次、多尺度特征，并经过全连接网络输出目标方位信息。通过本发明专利技术可以实现在强机动情况下对雷达目标的高效、准确、鲁棒检测。

【技术实现步骤摘要】

本专利技术属于雷达目标检测，更具体地，涉及一种对导航雷达回波数据进行处理，检测提取目标距离和方向信息。

技术介绍

1、雷达目标检测技术是雷达系统的核心功能，其主要任务是判断回波信号中是否存在目标，并获取目标的距离、方位信息。传统的雷达目标检测方法主要依赖于原始雷达回波数据流的处理和分析，容易受到光照、遮挡、天气、杂波、目标姿态等影响，对复杂环境的适应性较差，鲁棒性和检测精度受限。

2、随着雷达图像质量的提高和人工智能技术的进步，利用深度学习方法处理雷达图像数据以实现雷达目标检测已经成为一种新的趋势。深度学习方法具有强大的复杂非线性映射拟合能力，可以通过层次化的特征提取数据中的有用信息。这种方法可以根据不同的任务目标自动学习如何有效利用数据中的信息，通过从数据中学习映射的方式避免预设模型失配造成的性能下降，同时由于易于并行化实施，计算效率也得到了保证。

3、尽管深度学习在雷达目标检测中的应用已经取得了一些进展，但在雷达载体(例如无人艇)处于旋转机动或被检测目标处于高速移动时的强机动情况下，目标检测算法的精度通常受限。这主要由以下两个因本文档来自技高网...

【技术保护点】

1.一种强机动下基于多尺度深度学习的雷达目标检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对原始的雷达回波数据进行滤波并处理成回波图像作为当前帧回波图像，滤除当前帧回波图像中的杂波噪声，并将当前帧回波图像归一成同一尺度的回波图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用搭载了注意力机制的Swin-Spatial Transformer网络提取当前帧回波图像的特征图，一方面将当前帧回波图像的特征图传输到时空特征融合模块，另一方面将当前帧回波图像的特征图经过Faster R-CNN网络处理产生初步修正后的感兴趣区域的空间...

【技术特征摘要】

1.一种强机动下基于多尺度深度学习的雷达目标检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述对原始的雷达回波数据进行滤波并处理成回波图像作为当前帧回波图像，滤除当前帧回波图像中的杂波噪声，并将当前帧回波图像归一成同一尺度的回波图像，包括：

3.根据权利要求2所述的方法，其特征在于，所述利用搭载了注意力机制的swin-spatial transformer网络提取当前帧回波图像的特征图，一方面将当前帧回波图像的特征图传输到时空特征融合模块，另一方面将当前帧回波图像的特征图经过faster r-cnn网络处理产生初步修正后的感兴趣区域的空间特征，包括：

4.根据权利要求3所述的方法，其特征在于，所述利用swin-spatial transformer网络从当前帧回波图像中提取关键特征和空间特征，形成特征图f1，包括：

5.根据权利要求4所述的方法，其特征在于，所述swin-spatial transformer网络包括：多层感知机mlp、归一化层lp、卷积神经网络cnn、全连接层fc、窗口多头自注意力w-msa、移动窗口...

【专利技术属性】
技术研发人员：黄骁，陈侯京，陶浩，胡洋，
申请(专利权)人：中国舰船研究设计中心，
类型：发明
国别省市：