[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

说明书

本发明公开了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，包括：获取雷达距离像数据集；对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。本发明利用构建的复数密集连接神经网络能够针对复数高分辨距离像进行训练和识别，充分利用信号中的特征结构，从而提高识别网络的精度。

技术领域

本发明属于雷达技术领域，具体涉及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。

背景技术

雷达目标识别就是利用目标的雷达回波信号，实现对目标类型的判定。宽带雷达通常工作在光学区，此时目标可以看作是由大量强度不同的散射点构成。高分辨距离像(High Resolution Range Profile，简称HRRP)是用宽带雷达信号获取的目标体上各散射点回波的矢量和。它反映了目标体上散射点沿雷达视线的分布情况，包含了目标重要的结构特征，被广泛应用于雷达目标识别领域。

从高分辨距离像中提取识别特征，是雷达目标识别系统中的一个重要环节。原始高分辨距离像数据为复数，其中幅度和相位中都包含了丰富的目标细节信息。传统识别方法大多直接对原始的复数高分辨距离像进行取模操作得到实数距离像数据用于识别。近年来，将传统的实数网络向复数域拓展是一个新兴的研究方向。在本专利发明之前，在《基于复数网络的雷达高分辨距离像目标方法研究》(李婉萍)中已经提出了应用于高分辨距离像的复数卷积神经网络和复数残差网络，与实数网络相比识别率取得了不错的提升。

但是，卷积神经网络和残差神经网络因为基础的网络结构限制，当识别特征比较复杂需要网络层数增多时，容易出现网络退化问题，限制了目标识别性能。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了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。

本发明的一个实施例提供了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，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。

在本发明的一个实施例中，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。