[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

说明书

本申请公开了一种空中飞行目标分类识别方法、装置及计算机可读存储介质，属于目标识别技术领域。该方法包括：获取不同目标飞行的原始多普勒数据，对原始多普勒数据进行预处理得到第一数据，将第一数据输入至预设的第一神经网络模型，通过第一神经网络模型对第一数据进行特征提取处理，得到频率分布特征，将第一数据输入至预设的编码器，通过编码器对第一数据进行特征提取处理，得到时序特征，将频率分布特征和时序特征进行特征融合处理，得到融合特征，将融合特征输入至预设的全连接层，通过全连接层对目标进行分类识别，得到分类结果。本申请能够自动提取目标特征，并以此进行目标识别，有效提高了分类识别的准确性和泛化性能。

技术领域

本申请涉及目标识别技术领域，尤其涉及一种空中飞行目标分类识别方法、装置及计算机可读存储介质。

背景技术

鸟类的目标特性、飞行特性等与小型无人机类似，同属于“低小慢”类目标，会干扰对小型无人机目标的识别。低慢小目标，全称“低空、慢速、小型飞行目标”，具有低可观测性，对两者的有效监视和识别成为保障空中航路安全、城市安保等需求迫切需要解决的难题。现有技术中，采用信号处理方式，通过数据分析，人为设计公式来提取诸如速度、加速度、曲率、RCS方差、RCS极差等若干特征，再借由支持向量机、K近邻、马尔科夫链、决策树等分类策略实现目标识别。然而该过程涉及特征工程，较为复杂，对研究者对数据领域的要求掌握程度较高，往往导致分类识别的准确性和泛化能力受限。

发明内容

本申请旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本申请提出一种空中飞行目标分类识别方法、装置及计算机可读存储介质，能够自动提取目标特征，并进行目标识别，提高分类识别的准确性和泛化性能。

第一方面，本申请实施例提供了一种空中飞行目标分类识别方法，所述方法包括：

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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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。

在本申请的一些实施例中，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；