[发明专利]基于复数密集连接神经网络的高分辨距离像目标识别方法

权利要求书

1.一种基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，包括：

获取雷达距离像数据集；

对所述雷达距离像数据集进行短时傅里叶变换得到复数时频谱数据集；

将所述复数时频谱数据集划分为复数时频谱训练数据集、复数时频谱验证数据集；

构建复数密集连接神经网络；

利用所述复数时频谱训练数据集训练复数密集连接神经网络，并利用所述复数时频谱验证数据集验证训练的复数密集连接神经网络以得到训练好的复数密集连接神经网络；

利用所述训练好的复数密集连接神经网络对雷达距离像测试数据集进行识别得到目标识别结果；

其中，构建的所述复数密集连接神经网络包括依次连接的输入层、第一密集块、第一向量拼接层、第二向量拼接层、数据输出预处理块、输出层，所述第一密集块还通过第二密集块与所述第一向量拼接层连接，所述第一向量拼接层还通过第三密集块与所述第二向量拼接层连接。

2.根据权利要求1所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，将所述复数时频谱数据集划分为复数时频谱训练数据集、复数时频谱验证数据集包括：

对所述复数时频谱数据集中每个复数时频谱数据进行实部、虚部分离得到实部时频谱数据集和虚部时频谱数据集；

将所述实部时频谱数据集划分为实部时频谱训练数据集、实部时频谱验证数据集；

对应的将所述虚部时频谱数据集划分为虚部时频谱训练数据集、虚部时频谱验证数据集；

由所述实部时频谱训练数据集、所述虚部时频谱训练数据集对应组成所述复数时频谱训练数据集，由所述实部时频谱验证数据集、所述虚部时频谱验证数据集对应组成所述复数时频谱验证数据集。

3.根据权利要求1所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，所述第一密集块包括依次连接的复数批归一化层、复数激活函数层、复数卷积层、复数批归一化层、复数激活函数层、复数卷积层。

4.根据权利要求3所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，所述第二密集块包括依次连接的复数批归一化层、复数激活函数层、复数卷积层、复数批归一化层、复数激活函数层、复数卷积层。

5.根据权利要求3所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，所述第三密集块包括依次连接的复数批归一化层、复数激活函数层、复数卷积层、复数批归一化层、复数激活函数层、复数卷积层。

6.根据权利要求3所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，所述数据输出预处理块包括依次连接的复数批归一化层、复数激活函数层、复数卷积层、扁平一维化层、全连接层、复数批归一化层、全连接层、激活函数层。

7.根据权利要求2所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，利用所述复数时频谱训练数据集训练复数密集连接神经网络包括：

利用所述实部时频谱训练数据集、所述虚部时频谱训练数据集训练复数密集连接神经网络。

8.根据权利要求2所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，利用所述复数时频谱验证数据集验证训练的复数密集连接神经网络包括：

利用所述实部时频谱验证数据集、所述虚部时频谱验证数据集验证训练的复数密集连接神经网络。

9.根据权利要求1所述的基于复数密集连接神经网络的高分辨距离像目标识别方法，其特征在于，利用所述训练好的复数密集连接神经网络对雷达距离像测试数据集进行识别得到目标识别结果包括：

对所述雷达距离像测试数据集进行短时傅里叶变换得到复数时频谱测试数据集；

对所述复数时频谱测试数据集中每个复数时频谱测试数据进行实部、虚部分离得到实部时频谱测试数据集和虚部时频谱测试数据集；

将所述实部时频谱测试数据集和所述虚部时频谱测试数据集输入所述训练好的复数密集连接神经网络进行识别得到所述目标识别结果。