[发明专利]基于条件生成式对抗网络的雷达一维距离像拒判方法

权利要求书

1.一种基于条件生成式对抗网络的雷达一维距离像拒判方法，包括如下步骤：

S1：对原始HRRP样本集进行预处理；

S2：搭建模型：在TensorFlow平台上搭建条件生成式对抗网络，根据网络特点设计优化目标函数；

S3：调参训练：每一帧都按相同步骤训练出一个判别器，使用所述优化目标函数进行参数更新；

S4：用训练好的模型在测试样本集上进行测试：从每一帧训练集所训练出的条件生成式判别网络中分别提取出判别器进行测试，对判别器设置相应阈值，若测试样本经过所有判别器的输出都小于阈值，则对该测试样本进行拒判。

2.如权利要求1所述的基于条件生成式对抗网络的雷达一维距离像拒判方法，其特征在于，所述S1具体步骤为：m是单个样本的特征维数

S1.1：强度归一化，对样本集{x¹,x²,...,xⁿ}中的每一个HRRP样本进行归一化操作：其中是第j个HRRP样本中的第i维特征，||·||₂是求二范数操作；

S1.2：样本对齐，对样本集{x¹,x²,...,xⁿ}中的每一个HRRP样本进行对齐操作，采用质心对齐公式计算并取整得到一个质心特征的位置，对样本进行平移，直到将这个特征移到中心处；

S1.3：均匀分帧，将经过S2.1和S2.2处理后的每一类训练样本集都进行均匀分帧；在训练过程中以帧为单位，即每一帧训练出一个拒判网络。

3.如权利要求2所述的基于条件生成式对抗网络的雷达一维距离像拒判方法，其特征在于，所述S2具体步骤为：

S2.1：条件生成式对抗网络CGAN由两个部分组成：一部分是生成器G，生成器G依据随机噪声输入和所给的HRRP各帧的平均距离像生成伪造样本；另一部分是判别器D，判别器D用于判定输入的样本和标签组成的数据对是否真实并可互相对应；

S2.2构建由生成器G和判别器D共同组成的最小最大化目标函数V(G,D)，目标函数V(G,D)为:

其中E[·]表示求期望操作,其下标x～p_data(x)表示样本x抽样于真实的数据集，z～p_z(z)表示样本z抽样于随机分布p_z(z)；y表示需要用到的条件，本发明中用到的条件是每一帧HRRP样本的平均距离像，D(·|y)表示括号内样本在给定y的条件下为真实样本的概率；G(z|y)表示给定条件y的前提下生成的样本。