[发明专利]基于深度学习的高速机动目标检测方法

权利要求书

1.一种基于深度学习的高速机动目标检测方法，包括有如下：

1)构造单脉冲检测网络训练数据集，对单脉冲检测网络进行训练：

1a)对所有的雷达回波数据按照快时间沿行排列，慢时间沿列排列得到M个行数为G、列数为P的复矩阵{U_m}_m＝1,...,M，G≥1，P≥1,并以滑窗的形式对每个复矩阵进行分解得到N个长度为L的复数向量{e_n}_n＝1,...,N；

1b)将每个复数向量e_n转换为归一化特征累积矢量q_n，再将q_n的实部和虚部分别作为矩阵的第一行和第二行，并将该矩阵记为x_n；假设已知回波数据中所有目标所在的距离门，根据e_n的第一个距离单元内是否存在目标产生对应的标号y_n，即y_n取1表示e_n的第一个距离单元内有目标，取0则表示无目标；将集合{x_n,y_n}_n＝1,...,N作为单脉冲检测网络的训练数据集；

1c)使用一维残差网络作为单脉冲检测网络，基于训练数据集{x_n,y_n}_n＝1,...,N，使用交叉熵代价函数和反向传播算法对单脉冲检测网络进行训练，直到代价函数收敛时，得到训练好的单脉冲检测网络；

2)构造融合网络训练数据集,对融合网络进行训练：

2a)将雷达回波数据U_m输入训练好的单脉冲检测网络，输出为一个G行R列的矩阵Y_m，并确定与Y_m对应的标号z_m；

2b)用Y_m及z_m组成集合{Y_m,z_m}_m＝1,...,M，并将该集合作为融合网络的训练数据集；

2c)使用深度卷积网络作为融合网络，基于训练数据集{Y_m,z_m}_m＝1,...,M，采用交叉熵代价函数和反向传播算法对融合网络进行训练，直到代价函数收敛，得到训练好的融合网络；

3)使用训练好的单脉冲检测网络和训练好的融合网络对待检测的回波数据进行目标检测：

3a)将待检测的雷达回波数据按照快时间沿行排列，慢时间沿列排列的方法表示为一个行数为G、列数为P的矩阵U_tst；将矩阵U_tst输入训练好的单脉冲检测网络做滑窗检测，得到单脉冲检测结果矩阵Y_tst；

3b)将单脉冲检测结果矩阵Y_tst输入训练好的融合网络，得到网络输出b_tst，该b_tst是一个长度为R的实数向量，其第r个元素b_tst(r)表示第r个距离门含有目标的概率，1≤r≤R，若b_tst(r)≥0.5，则表示第r个距离门有目标,否则，该距离门没有目标，至此完成对回波数据的目标检测。

2.根据权利要求1所述的方法，其特征在于，1a)中以滑窗的形式对每个复矩阵进行分解，通过如下公式进行：

e_n＝U_m(g,r:r+L-1)，1≤g≤G，1≤r≤R

其中，U_m表示雷达回波数据，其为一个G行P列的复矩阵，U_m(g,r:r+L-1)表示回波数据矩阵中第g行，第r列到第r+L-1列元素；L表示滑窗长度；R表示对每一行进行滑窗分解的次数；e_n表示滑窗分解得到的数据，是一长度为L的复向量。

3.根据权利要求1所述的方法，其特征在于，1b)中将每个复数向量e_n转换为归一化特征累积矢量q_n，转换方法如下：

其中，S^*表示发射波形S的共轭；表示Hadamard积；cumsum(·)表示累加操作；norm(·)表示向量2范数；max{·}表示在实数向量中取最大值。