[发明专利]基于自适应确定拒判准则的SAR目标开集识别方法

说明书

本发明公开一种基于自适应确定拒判准则的SAR目标开集识别方法，其实现步骤为：生成训练集和测试集；构建卷积自编码网络并进行训练；使用极值理论拟合样本集的重构误差并得到各类目标的拒判阈值；使用卷积自编码网络获取待识别SAR目标的预测类别概率；重构待识别SAR目标图像并计算重构误差；将重构误差小于预测类别对应拒判阈值的样本识别为预测类别概率得分最高的类别，大于拒判阈值则识别为未知类目标。本发明具有既能准确识别已知类也能自适应拒判未知类的优点，解决了现有技术由于拒判阈值设置缺乏理论依据且泛化性能差而无法使用于真实开放环境的工程实践的问题。

技术领域

本发明属于雷达通信技术领域，更进一步涉及雷达自动目标识别技术领域中的一种基于自适应确定拒判准则的合成孔径雷达SAR(Synthetic Aperture Radar) 目标开集识别方法。本发明可用于雷达干扰环境为开集场景下识别SAR目标的类型。

背景技术

雷达自动目标识别技术RATR(Radar Automatic target recognition)是典型的开集场景识别任务，其面向的是非合作目标，类别众多、型号繁杂，训练阶段很难建立完备的目标识别库，即测试阶段存在未知类目标。传统的模式识别技术是在闭集假设条件下设计的，即假定训练样本中出现的类别标记集合包含所有待识别样本的类别标记，不存在未知类目标。在真实的开放环境中，当库外未知类目标进入到模型时，闭集识别模型会强制将未知类目标错分为某一库内类别，这极大地限制了模型在开放环境中的应用。因此，期望一个能够识别/拒判未知类目标同时保持对已知类目标识别性能的分类器，在雷达自动目标识别中实现对输入的已知类样本，输出为具体的某个类别，对输入的未知类样本，拒判为未知类类别。在开放环境中感知未知类目标，正确且自适应地检测到未知类目标的存在并识别已知类目标是雷达开放环境下识别的前提和基础。

Ma Xiaojie等人在其发表的论文“An Open Set Recognition Method for SARTargets Based on Multitask Learning”(IEEE Geoscience and Remote SensingLetters,2021,5)中提出了一种结合分类支路的生成对抗网络雷达开集识别方法。该方法包含一个生成器和一个结合分类支路的判别器，生成器输入随机噪声和类别标签，输出生成的伪样本，结合分类支路的判别器输入伪样本和真实样本，输出相应的判别分数和预测标签。该方法的实现步骤是，第一步，将随机噪声和类别标签输入到生成器并得到生成图像，生成图像尽可能混淆判别器；第二步，将原图像和生成图像输入结合分类支路的判别器得到相应的置信分数，判别器要尽可能区分原图像和生成图像；第三步，将原图像输入判别器的分类支路，最小化预测标签和真实标签的交叉熵损失。Goodfellow将生成器比作印假钞的犯人，判别器比作抓犯人的警察。犯罪分子伪造以假乱真的真币，警察不断提升识别假钞和真币的能力。在生成器和判别器的不断博弈过程中，判别器的鉴别能力和生成器的生成能力都得到显著性提升。在拒判准则设置阶段，该方法在模型训练完成后，基于测试集所有已知类目标和未知类目标在判别器上的置信分数分布遍历得到最优的阈值。在测试阶段，将待测样本输入结合分类支路的判别器，输出相应的置信分数和预测标签，当待测样本的判别分数小于遍历得到的最优阈值时，模型将待测样本拒判为未知类目标，否则，识别为预测标签对应的类别。该方法存在的不足之处是，需要使用未知类样本在训练过程中遍历寻找到合适的阈值，由于在工程实践中无法提前获取未知类样本，因此，该方法的拒判阈值选取策略缺乏理论依据且泛化性能差，无法适用于真实开放环境的工程实践。