[发明专利]空中飞行目标分类识别方法、装置及计算机可读存储介质

权利要求书

1.一种空中飞行目标分类识别方法，其特征在于，包括：

获取不同目标飞行的原始多普勒数据；

对所述原始多普勒数据进行预处理得到第一数据；

将所述第一数据输入至预设的第一神经网络模型，通过所述第一神经网络模型对所述第一数据进行特征提取处理，得到频率分布特征；

将所述第一数据输入至预设的编码器，通过所述编码器对所述第一数据进行特征提取处理，得到时序特征；

将所述频率分布特征和所述时序特征进行特征融合处理，得到融合特征；

将所述融合特征输入至预设的全连接层，通过所述全连接层对所述目标进行分类识别，得到分类结果。

2.根据权利要求1所述的方法，其特征在于，所述获取不同目标飞行的原始多普勒数据，包括：

接收阵元回波信号；

对所述阵元回波信号进行阵列校正，得到多通道窄波束；

对所述多通道窄波束进行合成，得到合成波束；

对所述合成波束进行脉冲压缩，得到初步数据；

利用恒虚警检测技术对所述目标进行检测，得到所述目标的存在状态；

根据所述初步数据和所述存在状态进行点迹凝聚和航迹关联，得到第二数据；

根据预设筛选标准对所述第二数据进行筛选，得到所述原始多普勒数据。

3.根据权利要求1所述的方法，其特征在于，所述对所述原始多普勒数据进行预处理得到第一数据，包括：

对所述原始多普勒数据进行归一化取模处理，得到所述第一数据。

4.根据权利要求1所述的方法，其特征在于，在所述将所述第一数据输入至预设的第一神经网络模型，通过所述第一神经网络模型对所述第一数据进行特征提取处理，得到频率分布特征之前，还包括：

构建卷积神经网络模型；

获取所述目标飞行的样本数据，并对所述样本数据进行预处理，得到第一样本数据；

根据所述第一样本数据训练所述卷积神经网络模型，得到所述第一神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一样本数据训练所述卷积神经网络模型，得到所述第一神经网络模型，包括：

将所述第一样本数据输入至所述卷积神经网络模型进行预测，得到预测结果；

根据所述预测结果和所述第一样本数据对应的标签对所述卷积神经网络模型的损失函数进行计算，得到损失值；

根据所述损失值对所述卷积神经网络模型的模型参数进行优化，得到所述第一神经网络模型。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述将所述第一数据输入至预设的编码器，通过所述编码器对所述第一数据进行特征提取处理，得到时序特征，包括：

对所述第一数据进行词嵌入处理，得到第一嵌入向量；

将所述第一嵌入向量和与对应的预设位置编码相加，得到第二嵌入向量；

根据所述第二嵌入向量和多头注意力机制计算所述第一嵌入向量对应的注意力分数；

对所述注意力分数进行归一化处理得到注意力权重系数；

对所述注意力权重系数进行加权求和得到注意力分配概率分布数值；

将所述注意力分配概率分布数值和所述第二嵌入向量结合后，输入至预设前馈神经网络模型进行特征提取处理，得到所述时序特征。

7.根据权利要求1所述的方法，其特征在于，所述将所述频率分布特征和所述时序特征进行特征融合处理，得到融合特征，包括：

采用特征拼接的方式将所述频率分布特征和所述时序特征进行融合，得到融合特征。

8.根据权利要求1所述的方法，其特征在于，在所述将所述频率分布特征和所述时序特征进行特征融合处理，得到融合特征之后，还包括：

对所述融合特征采取随机失活处理，得到新的所述融合特征；

将新的所述融合特征输入至所述全连接层，通过所述全连接层对所述目标进行分类识别，得到新的所述分类结果。