[发明专利]一种基于雷达宽带特征的未知车辆目标识别方法

权利要求书

1.一种基于雷达宽带特征的未知车辆目标识别方法，其特征在于，包括以下步骤：

S1、分别获取已知车辆类别和未知车辆类别的雷达一维距离像，并将所述已知车辆类别和未知车辆类别的雷达一维距离像作为待测样本集，并分别对已知待测样本和未知待测样本打上标签；

S2、利用自编码器对待测样本集进行编码，得到待测样本集中既满足已知车辆类别重构误差最小又满足未知车辆类别重构误差最大的通道；

S3、分别设定待测样本集查准率和查全率对应的理想调和均值、初始门限值、门限概率步进值和总迭代次数；

S4、根据门限概率步进值和初始门限值得到单次循环内已知车辆类别样本和未知车辆类别样本的第一划分门限，以及计算得到待测样本集中每一个样本的判别概率；

S5、根据所述通道，判断待测样本集中的每个样本的判别概率是否小于第一划分门限，并根据判断结果计算得到待测样本集中查准率和查全率实际的调和均值；

所述步骤S5包括以下步骤：

S501、根据所述通道，判断待测样本集中的每个样本的判别概率是否小于第一划分门限；

S502、利用异常检测方法计算得到已知车辆类别样本和未知车辆类别样本的查准率和查全率；

S502、根据所述查准率和查全率计算得到待测样本集中查准率和查全率实际的调和均值；

S6、根据所述实际的调和均值更新所述第一划分门限，得到当前门限；

S7、判断所述实际的调和均值是否大于或等于预设的理想调和均值，若是，输出当前门限，并进入步骤S9，否则，进入步骤S8；

S8、判断迭代次数是否达到总迭代次数，若是，则选择达到理想调和均值对应的门限或历史最大调和均值对应的门限，并根据理想调和均值对应的门限或历史最大调和均值对应的门限得到已知车辆类别样本和未知车辆类别样本的第二划分门限，并进入步骤S9，否则，返回步骤S4；

S9、判断当前门限或第二划分门限是否大于实测样本的判别概率，若是，则标记为未知车辆类别，否则，标记为已知车辆类别，完成对未知车辆目标的识别。

2.根据权利要求1所述的基于雷达宽带特征的未知车辆目标识别方法，其特征在于，所述步骤S2包括以下步骤：

S201、将已知车辆类别的雷达一维距离像作为训练集，并利用所述训练集对自编码器进行训练；

S202、利用已训练的自编码器分别对待测样本集进行重构，得到已知车辆类别样本中每个维度的平均重构误差和未知车辆类别样本中每个维度的平均重构误差；

S203、分别根据已知车辆类别样本中每个维度的平均重构误差和未知车辆类别样本中每个维度的平均重构误差，筛选出已知车辆类别样本中误差最小的维度和未知车辆类别样本中误差最大的维度；

S204、将已知车辆类别样本中每个维度的平均重构误差以从小到大的顺序进行排序，以及将未知车辆类别样本中每个维度的平均重构误差以从大到小的顺序进行排序；

S205、根据排序结果，提取的前m个维度中已知车辆类别样本和未知车辆类别样本维度集合的交集，并根据所述交集得到待测样本集中既满足已知车辆类别重构误差最小又满足未知车辆类别重构误差最大的通道。

3.根据权利要求2所述的基于雷达宽带特征的未知车辆目标识别方法，其特征在于，所述步骤S202中已知车辆类别样本中每个维度的平均重构误差的表达式如下：

其中，表示已知车辆类别样本中第j个维度的平均重构误差，且j∈{1,2,3,...,M}，M表示待测样本集中每个样本的维度总数，表示已知车辆类别样本中总的重构误差，N₁表示已知车辆类别的一维距离像训练数据总数；

所述未知车辆类别样本中每个维度的平均重构误差的表达式如下：

其中，表示未知车辆类别样本中第j个维度的平均重构误差，表示未知车辆类别样本中总的重构误差，N₂表示未知车辆类别的一维距离像训练数据总数。