一种基于CVAE-GAN深度模型的雷达目标开集识别方法技术

本发明专利技术公开了一种基于CVAE‑GAN深度模型的雷达目标开集识别方法，所述方法包括：获取嵌入目标数据集，通过嵌入目标的属性推导出CVAE模型；将分类损失和GAN损失集成到CVAE模型中，得到CVAE‑GAN模型；将嵌入目标数据集分为训练集和测试集，通过训练集和测试集实现CVAE‑GAN模型的训练和测试；将待识别的雷达目标图像输入至CVAE‑GAN模型实现雷达目标开集识别。本发明专利技术结合CVAE‑GAN中的编码器网络和生成网络，在给定目标类别标签和目标属性的情况下，可以生成训练数据集中缺失的清晰雷达目标图像；同时可以对已知类别进行分类，并识别出特征不在已知类角度范围内的未知目标类。

【技术实现步骤摘要】

本专利技术涉及雷达目标开集识别，特别是涉及一种基于cvae-gan深度模型的雷达目标开集识别方法。

技术介绍

1、基于雷达图像的目标识别包括两个阶段：首先提取雷达目标图像的识别特征，然后使用分类器依据识别特征将图像分配到特定的类别。识别特征是分类器的关键，对分类成功与否有重要影响。近几十年来，基于雷达图像的目标识别领域提出了大量的特征提取技术，包括基于主成分分析(pca)的方法、基于散射中心模型(scm)的方法、稀疏表示方法和多特征融合方法等。与传统的手工提取图像特征的技术不同，深度学习(dl)技术通过特征提取器和分类器的结合，自动提取图像特征，从而取得了较好的目标识别性能。目前，在一些公共sar目标识别数据集上，dl技术取得了远超传统技术的识别准确率。然而，目前基于dl的雷达目标识别研究存在明显的局限性。一方面，许多现有的dl模型都是“黑盒子”，无法以人类能够理解的方式解释它们的预测，因此很难保证预测模型的合理性和可靠性。另一方面，现有的目标识别方法大多假设测试集中的目标类已经出现在训练集中。然而，在现实的场景中，可能存在一些未知的目标类。对于未知类，传本文档来自技高网...

【技术保护点】

1.一种基于CVAE-GAN深度模型的雷达目标开集识别方法，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CVAE-GAN深度模型的雷达目标开集识别方法，其特征在于，所述S1中通过嵌入目标的属性推导出CVAE模型的推导过程如下：

3.根据权利要求2所述的一种基于CVAE-GAN深度模型的雷达目标开集识别方法，其特征在于，所述S2中，将分类损失集成到CVAE模型中，具体包括：

4.根据权利要求3所述的一种基于CVAE-GAN深度模型的雷达目标开集识别方法，其特征在于，所述S2中，将GAN损失集成到CVAE模型中，得到的CVAE-GAN模型，...

【技术特征摘要】

1.一种基于cvae-gan深度模型的雷达目标开集识别方法，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cvae-gan深度模型的雷达目标开集识别方法，其特征在于，所述s1中通过嵌入目标的属性推导出cvae模型的推导过程如下：

3.根据权利要求2所述的一种基于cvae-gan深度模型的雷达目标开集识别方法，其特征在于，所述s2中，将分类损失集成到cvae模型中，具体包括：

4.根据权利要求3所述的一种基于cvae-gan深度模型的雷达目标开集识别方法，其特征在于，所述s2中，将gan损失集成到cvae模型中，得到的cvae-gan模型，公式如下：

5.根据权利要求4所述的一种基于cvae-gan深度模型的雷达目标开集识别方法，其特征在于，公式(6.7)所示cvae-gan模型的分布损失公式表示...

【专利技术属性】
技术研发人员：胡晓伟，郭艺夺，冯为可，李洪兵，冯存前，王宇晨，彭一凡，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：