[发明专利]基于CV-EstNet的SAR运动舰船目标速度估算方法

权利要求书

1.一种基于CV-EstNet的SAR运动舰船目标速度估算方法，包括，

基于三维舰船模型与射线追踪法仿真获得SAR运动舰船样本，并将SAR运动舰船样本分组为训练样本库与测试样本库；

基于复数域角度构建复数域速度估计网络CV-EstNet架构，所述CV-EstNet架构包括一个输入层、五个卷积层、三个池化层、两个全连接层及一个输出层；CV-EstNet架构的输入、输出、激活函数及权值均属于复数域；

采用训练样本库中的训练样本对CV-EstNet架构进行训练，训练超参数，得到具有速度估计功能的CV-EstNet网络模型；再采用测试样本库中的测试样本对CV-EstNet网络模型进行测试，获得SAR舰船目标的距离向速度和方位向速度；

所述SAR运动舰船样本为舰船目标运动状态下的SAR图像，并为散焦偏移的SAR运动舰船目标图像；

所述SAR运动舰船样本像素大小包括128×128，舰船速度范围包括0～15m/s；

所述超参数包括：每批次训练样本数为32，共训练7200批次，学习率为0.00005，优化方法为Adam；

第一个卷积层中卷积核大小为9×9像素，步长为2像素，共96个卷积核；第二个卷积层中卷积核大小为5×5像素，步长为1像素，共256个卷积核；第三个卷积层中卷积核大小为3×3像素，步长为1像素，共384个卷积核；第四个卷积层中卷积核大小为3×3像素，步长为1像素，共384个卷积核；第五个卷积层中卷积核大小为3×3像素，步长为1像素，共256个卷积核；每一个卷积层的激活函数均为cReLU激活函数；

所述三个池化层均采用最大值池化，大小为3×3像素，步长为2像素；

其特征在于，

所述训练样本与测试样本均为标准化后的SAR复图像；SAR复图像大小为128×128×1像素；

输入层对SAR复图像进行处理后，传递至第一个卷积层；

第一个卷积层将输入的图像进行处理后输出96个60×60像素大小的特征图；

第一个池化层对第一个卷积层输出的特征图进行处理，输出29×29×96像素的三维特征矩阵；

第二个卷积层对第一个池化层输出的三维特征矩阵进行处理，输出256个29×29像素大小的特征图；

第二个池化层对第二个卷积层输出的特征图进行处理，输出14×14×256像素的三维特征矩阵；

第三个卷积层对第二个池化层输出的三维特征矩阵进行处理，输出384个14×14像素大小的特征图；

第四个卷积层对第三个卷积层输出的特征图进行处理，输出384个14×14像素大小的特征图；

第五个卷积层对第四个卷积层输出的特征图进行处理，输出256个14×14像素大小的特征图；

第三个池化层对第五个卷积层输出的特征图进行处理，输出6×6×256像素的三维特征矩阵。

2.根据权利要求1所述的基于CV-EstNet的SAR运动舰船目标速度估算方法，其特征在于，

第一个全连接层包含1024个神经元，与第三个池化层输出的三维特征矩阵所映射的一维向量全连接；

第二个全连接层包含50个神经元，与第一个全连接层的1024个神经元全连接；

两个全连接层的激活函数均为cReLU激活函数。

3.根据权利要求2所述的基于CV-EstNet的SAR运动舰船目标速度估算方法，其特征在于，

对五个卷积层和两个全连接层的cReLU激活函数定义如下：

f＝cReLU(a)＝max(a_R,0)+jmax(a_I,0)，

即对于输入复图像a，分别对a的实部a_R和虚部a_I取ReLU函数输出；f为cReLU激活函数的输出。

4.根据权利要求3所述的基于CV-EstNet的SAR运动舰船目标速度估算方法，其特征在于，

所述输出层有两个输出神经元，输出结果为复数；

第一个输出神经元输出结果为v_r+jv_r，第二个输出神经元输出结果为v_a+jv_a，其中v_r代表距离向速度，v_a代表方位向速度。

5.根据权利要求1所述的基于CV-EstNet的SAR运动舰船目标速度估算方法，其特征在于，

所述SAR运动舰船样本的80％作为训练样本，20％作为测试样本。