[发明专利]一种采用VGG-16网络的杂波分类方法

说明书

本发明属于雷达杂波分类技术领域，具体涉及一种采用VGG‑16网络的雷达杂波分类方法。雷达所处的真实环境是复杂多变的，会受到干扰、天气、地形等影响而大大降低其检测性能。因此，为了在非均匀、非平稳的环境中实现杂波分类，本发明使用了动态环境信息(气象数据)和静态环境信息(高程数据)结合来接近真实的环境，通过结构优美、层次清晰的VGG‑16网络提取动态、静态环境数据的特征，利用Bi‑LSTM完成特征的融合，最终在softmax层实现杂波的分类。充分利用了动态、静态两类环境信息，弥补了传统方法的不足，更加智能高效。

技术领域

本发明属于雷达杂波分类技术领域，设计了一种利用动态环境信息和静态环境信息并采用VGG-16网络的杂波分类方法。

背景技术

雷达在军事和民用领域有着广泛的应用，它们具有对目标进行检测、跟踪、参数估计和识别等能力。雷达往往身处于复杂多变的电磁环境中，会受到干扰、天气、地形等影响而大大降低其性能，因此需要在接收到的信号中将目标与杂波、噪声等区分开来。然而，在实际场景中，地形地貌和气象条件在雷达工作期间会产生波动，导致雷达所处环境的特性发生改变，扰乱了杂波分布的参数，适用于杂波背景均匀的传统检测算法，无法获得良好的检测性能。因此雷达系统需要在非平稳环境中准确地学习环境的新特性，实现杂波的分类，自适应地更新检测、跟踪等算法，以提高雷达系统的当前性能。

认知雷达是未来雷达的智能化呈现，基于认知雷达实现杂波识别和分类的方法主要有基于决策树算法、采用模糊逻辑框架、基于神经网络的方法以及利用自回归模型和协方差矩阵的先验信息等。环境信息利用不充分，依然很难达到较好的性能。本方法是站在认知雷达方的角度，获取所处环境信息的综合特征是进行分类的重要前提。本方法所使用的VGG-16网络能够自动提取特征，通过增加网络的深度减少了网络处理参数、降低了计算量，对杂波进行分类时有着良好的性能。

发明内容

为了解决现有技术的不足，本发明提出了一种利用动态环境信息和静态环境信息并采用VGG-16网络的杂波分类方法。本发明的核心技术分为两个部分：一是分析和利用雷达所处的环境信息，实现动态和静态信息的特征提取与融合；二是基于融合后的特征采用VGG-16网络完成杂波的分类。

为了实现上述提出的方法，本发明采用的技术方案如下所述：

本方案共分为数据处理、信息特征提取与融合和杂波分类三个部分。

静态环境信息通常指雷达工作前已经获得的、不随时间变化或者变化很慢的相对固定的信息，如地面粗糙度、地面植被覆盖情况、地面起伏等信息。这里基于地理信息，利用静态数据库中的地理信息系统(GIS)和数字高程模型(DEM)数据直接获取静态环境先验信息，提取和计算雷达波束照射区域的海拔高度、坡度、地形起伏高度和地表粗糙度等地形因子。

动态环境信息通常指雷达工作期间实时获得的、动态变化的信息，如降雨量、云层、风速等信息。气象杂波由气体分子、气溶胶质(凝结核、水汽凝结物等)组成，属于动态环境产生的杂波，这里将其结合静态信息中的地理信息实现杂波的分类，以提高综合环境下认知雷达的检测能力。

数据处理阶段，是对收集到的高程数据和气象数据进行分析、读取、计算和合成，根据VGG-16网络的输入要求，完成图像的分割处理。

信息特征提取与融合阶段，是利用VGG网络的卷积层、池化层和全连接层分别对动态(气象信息的平均温度(℃)、降水量(mm)和风速(m/s))和静态(地理信息的坡度、地行起伏度和地表粗糙度)环境信息进行特征提取，为了充分体现杂波环境的特性，对上述提取到的特征进行融合处理，即利用双向LSTM(Bi-LSTM)将获得的两类信息的深度特征完成交互并获得综合的特征。

杂波分类阶段，是将融合的特征向量作为分类层的输入节点，通过softmax分类器实现杂波的分类。

本发明的有益效果是：