[发明专利]基于深度残差多尺度一维卷积神经网络的雷达目标识别方法

权利要求书

1.一种基于深度残差多尺度一维卷积神经网络的雷达目标识别方法，其特征在于，包括以下步骤：

步骤1，构建深度一维残差卷积神经网络模型，并对模型参数进行初始化；

步骤2，前向传播，计算迭代过程中损失函数L；

损失函数的计算方法具体为：

其中，L_LMCL为LargeMargin Cosine Loss，L_center为角度中心损失函数，m是一个min-batch中训练数据的个数，x_i表示第i个样本数据的在输出层之前的全连接层的输出特征，y_i是第i个样本数据的真实标签，代表第i个样本数据所属类别；W_j∈R^d是全连接层的权值矩阵W∈R^d×n的第j列，代表为第j类目标对应的权值向量；代表W_j和x_i之间的余弦值，s，α分别控制L_LMCL和L_center中归一化后的特征的幅度，a为常数，决定类别之间的余弦边界；是第i个样本数据的标签y_i所对应的类的特征中心，λ是中心损失项的权重；表示样本i的特征x_i与其对应的特征中心的夹角的余弦值；

步骤3，后向传播，采用链式法则对模型中的参数进行更新；

步骤4，重复步骤2、3直到损失函数收敛，得到可用于雷达目标识别的模型。

2.如权利要求1所述的雷达目标识别方法，其特征在于，步骤1中神经网络模型由残差多尺度卷积层、多尺度下采样层、卷积层、下采样层和全连接层构成。