一种基于深度概率动态建模的小样本HRRP识别方法技术

本发明专利技术提供一种基于深度概率动态建模的小样本HRRP识别方法，涉及雷达目标识别技术领域。包括：对HRRP样本数据依次进行预处理和序列形式的转化，得到序列数据；构建序列数据对应的张量概率动态网络模型，张量概率动态网络模型包括张量概率动态网络生成模型和张量递归推断网络模块；将待识别序列数据输入训练完成的张量概率动态网络模型，使张量概率动态网络模型输出待识别序列数据的类别，训练完成的张量概率动态网络模型是根据序列数据，利用目标损失函数对张量概率动态网络模型进行训练得到的网络模型。在小样本条件下，通过训练完成的张量概率动态网络模型可以对待识别序列数据进行更好的分类识别，使HRRP的目标识别的准确性较高。

【技术实现步骤摘要】

本专利技术涉及雷达目标识别，尤其涉及一种基于深度概率动态建模的小样本高分辨距离像（high resolution range profile，hrrp）识别方法。

技术介绍

1、雷达自动目标识别（radar automatic target recognition，ratr）作为雷达应用的重要方向，能够从雷达的回波信号中提取目标特征，并进行分类判决，因此，ratr在学术界得到了广泛的研究。从利用回波信号的角度看，ratr大致可以分为两类：一种是基于二维成像雷达的目标识别，即利用合成孔径雷达（synthetic aperture radar，sar）成像或逆合成孔径雷达（inverse synthetic aperture radar，isar）成像的目标识别；另一种是基于hrrp的目标识别。hrrp中包含了丰富的目标物理结构信息，可以用于目标识别，且hrrp相对于sar图像，具有数据量小、易处理和运算速度快等优势。因此，基于hrrp的目标识别受到越来越多研究者的关注。其中，hrrp的特征提取是hrrp的目标识别的关键。

2、目前，实现hrrp的本文档来自技高网...

【技术保护点】

1.一种基于深度概率动态建模的小样本HRRP识别方法，其特征在于，包括：

2.根据权利要求1所述的基于深度概率动态建模的小样本HRRP识别方法，其特征在于，所述对HRRP样本数据依次进行预处理和序列形式的转化，得到序列数据包括：

3.根据权利要求1所述的基于深度概率动态建模的小样本HRRP识别方法，其特征在于，所述序列数据包括当前时刻的序列数据和上一时刻的序列数据，所述构建所述序列数据对应的张量概率动态网络模型，包括：

4.根据权利要求3所述的基于深度概率动态建模的小样本HRRP识别方法，其特征在于，所述张量概率动态网络生成模型的表达式为：

...

【技术特征摘要】

1.一种基于深度概率动态建模的小样本hrrp识别方法，其特征在于，包括：

2.根据权利要求1所述的基于深度概率动态建模的小样本hrrp识别方法，其特征在于，所述对hrrp样本数据依次进行预处理和序列形式的转化，得到序列数据包括：

3.根据权利要求1所述的基于深度概率动态建模的小样本hrrp识别方法，其特征在于，所述序列数据包括当前时刻的序列数据和上一时刻的序列数据，所述构建所述序列数据对应的张量概率动态网络模型，包括：

4.根据权利要求3所述的基于深度概率动态建模的小样本hrrp识别方法，其特征在于，所述张量概率动态网络生成模型的表达式为：

5.根据权利要求3所述的基于深度概率动态建模的小样本hrrp识别方法，其特征在于，所述根据所述上一时刻的序列数据、所述上一时刻的序列数据对应的类别分布参数、序列数据对应的类别下的服从标准高斯分布的变量和上一时刻的隐藏单元，利用耿贝尔-归一化指数函数分...

【专利技术属性】
技术研发人员：陈文超，刘要强，陈渤，王鹏辉，刘宏伟，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：

全部详细技术资料下载 我是这个专利的主人