[发明专利]基于二维加权残差卷积神经网络的雷达目标识别方法

权利要求书

1.一种基于二维加权残差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、构造加权残差卷积神经网络，包括十层加权残差模块、五层卷积下采样层、一层最大池化层以及两层全连接层，其中每一层卷积下采样层后接两层加权残差模块；加权残差模块先使用1×1的卷积核降低输入信号的通道维度，之后分别通过三种不同尺度的卷积核进行特征提取，使得该模块能够提取不同感受野下的特征结构，并使用加权求和的方式进行特征融合；三种卷积核的尺度分别为3×3，5×5，7×7；

步骤2、基于Toepliz矩阵，将一维雷达信号构造成二维数据平面，实现算法为：

设原始数据为：f(n)＝[f₀,f₁,…,f_m]，n＝0,…m；

其中f₀,f₁,...,f_m是地面侦察雷达信号进行FFT变换后得到的雷达频域信号，m＝1024；

则经过Toepliz矩阵后变为：

步骤3、把上述经过步骤2处理好的数据，按照一定比例生成训练集和测试集；

步骤4、将生成好的训练集放入步骤1构造的网络中进行训练，得到训练后的模型；

步骤5、利用测试集对训练后的模型进行测试。

2.根据权利要求1所述的基于二维加权残差卷积神经网络的雷达目标识别方法，其特征在于，步骤4具体为：将步骤3中所得到的训练集数据作为输入，放入到步骤1中的网络进行训练，训练所采用的优化器为Adam Optimizer，所采用的损失函数为Sparsecategorical cross entropy。