[发明专利]基于自动编码器的雷达高分辨距离像库外目标拒判方法

权利要求书

1.一种基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，包括：

获取雷达高分辨距离像库内训练样本集；

对所述雷达高分辨距离像库内训练样本集做预处理得到预处理雷达高分辨距离像库内训练样本集；

构建类内分割模型；

利用自动编码器构建类内分割模型，并对所述预处理雷达高分辨距离像库内训练样本集进行库内分割得到若干库内分割数据；

构建分类网络；

利用所述若干库内分割数据对所述分类网络进行训练得到训练好的分类网络；

将雷达高分辨距离像测试样本集输入所述训练好的分类网络得到库外目标的判别结果，其中，雷达高分辨距离像测试样本集包括雷达高分辨距离像库内测试样本集、雷达高分辨距离像库外测试样本集；

构建的类内分割模型包括：依次连接的编码器、解码器，其中，所述编码器包括依次连接的N个编码器层，前N-1个编码器层中每个所述编码器层包括依次连接的两个卷积层且两个卷积层分别还与一拼接层连接，第N个编码器层包括一卷积层，N为大于1的整数；

所述解码器包括依次连接的M个解码器层，前M-1个解码器层中每个所述解码器层包括依次连接的一反卷积层、卷积层，反卷积层、卷积层分别还与一拼接层连接，第M个编码器层包括一卷积层，M为大于1的整数；

所述利用自动编码器构建类内分割模型，并对所述预处理雷达高分辨距离像库内训练样本集进行库内分割得到若干库内分割数据，包括：

利用所述类内分割模型对所述预处理雷达高分辨距离像库内训练样本集中每个预处理雷达高分辨距离像库内训练样本进行训练重构；

计算原始训练样本和重构样本的相似性得分；

根据相似性得分将训练样本从小到大排列；

将训练样本中预设比例的样本确定为非典型样本，其余样本确定为典型库内样本；

所述利用所述若干库内分割数据对所述分类子网络进行训练得到训练好的分类网络包括：

分别定义典型库内样本间的损失函数、典型库内样本和非典型库内样本间的损失函数、非典型库内样本间的损失函数；

利用所述若干库内分割数据，且采用定义的典型库内样本间的损失函数、典型库内样本和非典型库内样本间的损失函数、非典型库内样本间的损失函数对所述分类子网络进行训练得到训练好的分类网络；

所述库外目标的判别结果，包括：

每个雷达高分辨距离像测试样本属于雷达高分辨距离像库内目标类别，或者，库外目标类别。

2.根据权利要求1所述的基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，对所述雷达高分辨距离像库内训练样本集做预处理得到预处理雷达高分辨距离像库内训练样本集包括：

对所述雷达高分辨距离像库内训练样本集做归一化处理；

对归一化的雷达高分辨距离像库内训练样本集进行重心绝对对齐处理；

对重心绝对对齐的雷达高分辨距离像库内训练样本集进行均值归一化处理；

对均值归一化的雷达高分辨距离像库内训练样本集进行短时傅里叶变换得到所述预处理雷达高分辨距离像库内训练样本集。

3.根据权利要求1所述的基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，所述编码器层之间还包括依次连接的一池化层、一批规范化层，第N个编码器层与所述编码器之间还包括一批规范化层。

4.根据权利要求1所述的基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，所述解码器层之间还包括依次连接的一批规范化层。

5.根据权利要求1所述的基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，构建的分类网络包括L层分类结构，L为大于2的整数，其中，

前L-2层分类结构中每一层分类结构包括依次连接的两个卷积层且两个卷积层分别还与一拼接层连接，第L-2层分类结构包括一数据一维化处理层，第L-1层分类结构、第L层分类结构分别包括一全连接层。

6.根据权利要求5所述的基于自动编码器的雷达高分辨距离像库外目标拒判方法，其特征在于，前L-1层分类结构之间还包括依次连接的一池化层、一批规范化层。