基于预训练大语言模型的雷达海面小目标检测方法及系统技术方案

本发明专利技术公开了基于预训练大语言模型的雷达海面小目标检测方法及系统，本发明专利技术提取雷达回波信号的多种序列特征，并分割成多个特征片段；利用预设的参考模型和自注意力策略对每个特征片段的可区分程度进行打分，并通过对低于预设程度阈值的特征片段进行剪枝，得到对雷达目标检测任务最为重要的特征片段；将筛选后的特征片段映射至与预训练大语言模型的编码器输入维度一致的特征空间进行特征对齐，并将对齐后的特征输入微调后的预训练大语言模型的编码器进行深层次的特征提取，以根据提取的深层次特征得到雷达海面小目标检测任务的目标检测结果。本发明专利技术有效滤除雷达信号中区分度较低的冗余信息，从而显著提升模型输入特征的判别质量。

【技术实现步骤摘要】

本专利技术涉及雷达信号处理领域，尤其涉及基于预训练大语言模型的雷达海面小目标检测方法及系统。

技术介绍

1、海上小目标检测在海洋保护和国家安全方面发挥着重要作用，雷达作为一种全天候的主动传感器，在该任务上应用前景广阔。这些低速的小目标，包括小船、球道浮标，通常具有低雷达截面，因此用雷达探测这些小目标是一项具有挑战性的任务。此外，海杂波的后向散射很强，并且海尖峰的幅度非常高，以至于它们往往会掩盖感兴趣的目标。

2、随着高分辨率雷达系统的广泛应用，回波信号通常具有丰富的特征信息，基于回波信号多域特征和深度学习算法的雷达目标检测算法大量涌现。在文章[1]中，一种基于注意力机制和非对称卷积核增强的卷积神经网络被提出用于提取信号时频特征中的高维特征信息；在文章[2]中，一种基于瞬时相位特征、多普勒频谱特征、短时傅里叶变换特征和双向长短期记忆网络的检测器被提出。然而，现有的深度学习算法仍面临一些挑战，这些挑战主要体现在训练数据质量和模型容量两个方面：(1)从雷达信号中提取到的特征质量不高，具体而言，具有区分度的信息在特征中的分布十分稀疏，即特征中的大部分特本文档来自技高网...

【技术保护点】

1.一种基于预训练大语言模型的雷达海面小目标检测方法，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，从雷达回波信号中提取多种序列特征，并利用分片操作将多种序列特征分割成多个特征片段，包括：

3.根据权利要求1所述的方法，其特征在于，所述参考模型，包括输入投影层、位置编码、Transformer编码器及线性输出层；利用预设的参考模型和自注意力策略对每个特征片段的可区分程度进行打分，并通过对低于预设程度阈值的特征片段进行剪枝，得到对雷达目标检测任务最为重要的特征片段，包括：

4.根据权利要求3所述的方法，其特征在于，在Transformer...

【技术特征摘要】

1.一种基于预训练大语言模型的雷达海面小目标检测方法，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，从雷达回波信号中提取多种序列特征，并利用分片操作将多种序列特征分割成多个特征片段，包括：

3.根据权利要求1所述的方法，其特征在于，所述参考模型，包括输入投影层、位置编码、transformer编码器及线性输出层；利用预设的参考模型和自注意力策略对每个特征片段的可区分程度进行打分，并通过对低于预设程度阈值的特征片段进行剪枝，得到对雷达目标检测任务最为重要的特征片段，包括：

4.根据权利要求3所述的方法，其特征在于，在transformer编码器的输出中，[cls]标记对应的向量被输入至线性输出层，用于目标检测；根据注意力权重进行片段剪枝权，选择前y％最重要的特征片段用于之后预训练大语言模型的微调，剪枝后得到特征矩阵fsp∈rb×k'×l，其中k'表示筛选后的特征片段的个数，其中

5.根据权利要求4所述的方法，其特征在于，将筛选后的特征片段映射至与预训练大语言...

【专利技术属性】
技术研发人员：王学谦，胡齐英，李耀文，李刚，何友，
申请(专利权)人：清华大学，
类型：发明
国别省市：