[发明专利]自然环境雷达回波幅度模型分类方法和装置

权利要求书

1.一种自然环境雷达回波幅度模型分类方法，其特征在于，所述方法包括：

通过仿真方式，得到N类幅度分布模型的自然环境雷达回波一维高分辨距离像的复数数据，并且设置对应的标注，得到幅度模型样本；

构建所述幅度模型样本的分类模型；所述分类模型包括：网络输入层、复数卷积网络、复数残差网络、全连接层以及输出层；所述网络输入层为双通道实数输入，分别用于接收所述复数数据的实部和虚部；所述复数卷积网络包括：复数卷积层和复数平均池化层，所述复数卷积层的输出连接所述复数平均池化层，所述复数卷积层的权重为双通道实数权重，所述复数卷积层的卷积运算为复数运算，所述复数卷积层的输出经复数激活函数激活操作，所述复数平均池化层对所述复数激活函数的输出实部激活数据和虚部激活数据分别进行池化输出；所述复数残差网络包括：两个数据流，其中第一数据流包括：复数卷积层和复数最大池化层；第二数据流与所述第一数据流变换尺寸后的输出相加，得到复数残差网络的输出；所述全连接层包括全连接实部通道和全连接虚部通道；所述输出层对所述全连接层的全连接实部通道和全连接虚部通道输出的数据求模，得到输出实数用于分类；所述第一数据流包括5个复数卷积层和3个复数最大池化层，3个复数最大池化层分别与排序靠后的三个复数卷积层连接；

根据所述幅度模型样本对所述分类模型进行训练，利用训练好的所述分类模型进行自然环境雷达回波幅度模型分类。

2.根据权利要求1所述的方法，其特征在于，所述复数卷积网络包括5个复数卷积层，每个所述复数卷积层后连接一个复数平均池化，第一个复数卷积层的卷积核尺寸为5、步长为1、补零数为2，其余复数卷积层的卷积核尺寸为3、步长为1、补零数为1。

3.根据权利要求1所述的方法，其特征在于，所述复数平均池化层的池化核尺寸为3、步长为2、补零数为1。

4.根据权利要求1所述的方法，其特征在于，所述第二数据流与第一数据流变换尺寸后的输出相加，得到复数残差网络的输出。

5.根据权利要求1所述的方法，其特征在于，根据所述幅度模型样本对所述分类模型进行训练，包括：

构建交叉熵函数，根据所述幅度模型样本和所述交叉熵函数训练所述分类模型。

6.一种自然环境雷达回波幅度模型分类装置，其特征在于，所述装置包括：

样本构建模块，用于通过仿真方式，得到N类幅度分布模型的自然环境雷达回波一维高分辨距离像的复数数据，并且设置对应的标注，得到幅度模型样本；

模型构建模块，用于构建所述幅度模型样本的分类模型；所述分类模型包括：网络输入层、复数卷积网络、复数残差网络、全连接层以及输出层；所述网络输入层为双通道实数输入，分别用于接收所述复数数据的实部和虚部；所述复数卷积网络包括：复数卷积层和复数平均池化层，所述复数卷积层的输出连接所述复数平均池化层，所述复数卷积层的权重为双通道实数权重，所述复数卷积层的卷积运算为复数运算，所述复数卷积层的输出经复数激活函数激活操作，所述复数平均池化层对所述复数激活函数的输出实部激活数据和虚部激活数据分别进行池化输出；所述复数残差网络包括：两个数据流，其中第一数据流包括：复数卷积层和复数最大池化层；第二数据流与所述第一数据流变换尺寸后的输出相加，得到复数残差网络的输出；所述全连接层包括全连接实部通道和全连接虚部通道；所述输出层对所述全连接层的全连接实部通道和全连接虚部通道输出的数据求模，得到输出实数用于分类；所述第一数据流包括5个复数卷积层和3个复数最大池化层，3个复数最大池化层分别与排序靠后的三个复数卷积层连接；

分类模块，用于根据所述幅度模型样本对所述分类模型进行训练，利用训练好的所述分类模型进行自然环境雷达回波幅度模型分类。