[发明专利]多模态特性融合的智能目标识别方法

说明书

本发明公开了一种多模态特性融合的智能目标识别方法，在构建典型空中目标高分辨率距离像、红外图像样本库的基础上，分别采用注意力双向门控循环单元模型从高分辨率距离像时间序列样本，采用轻量化的卷积神经网络模型从红外图像样本中学习提取空中目标多模态深度特征表示；采用高斯分布受限玻尔兹曼机实现空中目标多模态特征抽象融合，去除冗余，形成更具辨识力、代表性的多模态特征联合表示；利用小样本条件下泛化能力强、训练速度快、分类精度高的核超限学习机作为分类器，实现空中目标类型识别。本发明采用异构深度学习模型抽象提取并融合高分辨率距离像、红外图像中的空中目标特征信息用于目标识别，提高识别精度。

技术领域

本发明涉及信号处理与目标识别技术领域，具体涉及一种多模态特性融合的智能目标识别方法。

背景技术

现有技术主要是研究了基于雷达高分辨率距离像(High Resolution RangeProfile,HRRP)或合成孔径雷达图像(Synthetic Aperture Radar，SAR)的目标识别方法，以及基于红外图像的目标识别方法，反映了目标某些方面的特征、不够全面，容易造成目标判读识别不准确的问题。

发明内容

为了解决或部分解决相关技术中存在的问题，本发明提供了一种多模态特性融合的智能目标识别方法，采用异构深度学习模型抽象提取并融合高分辨率距离像(HRRP)、红外图像中的空中目标特征信息用于目标识别，提高识别精度。

本发明提供了一种多模态特性融合的智能目标识别方法，包括：

获取待识别空中目标的多模态特征数据样本；其中，所述多模态特征数据样本包括HRRP样本和红外图像样本；

构建并训练HRRP、红外图像空中目标特征学习的异构深度学习网络；

训练HRRP、红外图像空中目标特征融合学习的高斯分布受限玻尔兹曼机；

训练基于HRRP、红外图像深度融合特征的核极限学习机分类器。

可选地，所述获取待识别空中目标多模态特性数据样本，具体包括：

获取待识别空中目标的HRRP样本，并对其进行规范化预处理；和/或

获取待识别空中目标的红外图像样本，并对其进行规范化预处理。

可选地，所述获取待识别空中目标的HRRP样本，并对其进行规范化预处理，具体包括：

采用实验测量或电磁计算软件仿真方式获取待识别空中目标的HRRP样本集，每个HRRP样本是以待识别空中目标为中心，尺寸为1×N数组；

对于每个HRRP样本，首先采用2-范数归一化方法消除散射幅度敏感性，再采用质心对齐方法消除HRRP的平移敏感性，得到幅度、位置归一化的HRRP样本，k为样本编号；

设定宽度为d的一维滑窗，滑动步长为d_s，通过滑窗方式对幅度、位置归一化的HRRP样本进行截取，生成一组时间维度为T，每个时刻下数据维度为d的序列数据，记为：X_k＝[x₁,x₂,...,x_T]，其中，k为样本编号，第i个时刻的序列值为

对空中目标HRRP样本集中的每个HRRP样本进行幅度、位置归一化，序列化抽取预处理，形成规范化的HRRP时间序列数据集；从该数据集中随机抽取p％比例的样本作为训练样本集，p∈[50,80]的整数，将余下的样本作为测试样本集。

可选地，所述获取待识别空中目标的红外图像样本，并对其进行规范化预处理，具体包括：