[发明专利]基于多任务卷积网络的空中目标微动参数实时提取方法

说明书

本发明公开了一种基于多任务卷积网络的空中目标微动参数实时提取方法，旨在解决传统空中目标微动参数估计方法实时性差及微动参数提取不具有独立性的问题。本发明主要包括以下步骤：(1)生成训练集；(2)构建多任务卷积神经网络；(3)训练多任务卷积神经网络；(4)获得空中目标微动参数提取值；(5)获得微动参数。本发明具有更好地实时且独立的提取空中目标每个微动参数的优点。

技术领域

本发明属于雷达技术领域，更进一步涉及雷达目标识别技术领域中的一种基于多任务卷积网络的空中目标微动参数实时提取方法。本发明可用于对直升飞机、螺旋桨飞机以及喷气式飞机等具有微动部件的空中目标进行微动部件的物理参数和运动参数提取，所提取的微动部件的物理参数和运动参数可用于空中目标的识别。

背景技术

利用从目标的雷达回波信号中提取出的微动信号，可实现对目标微动部件的物理参数以及运动参数的提取。在保证参数提取精度的前提下，可以将提取到的参数与典型空中目标型号微动部件参数进行比对，从而达到对空中目标准确识别的目的。目前空中目标微动参数的提取常用方法有霍夫变换、逆拉东变换、短时傅里叶变换等。使用以上方法进行参数提取各有优劣，且针对提取的参数不同需选择不同的算法和阈值配合完成参数提取。

西安电子科技大学在其申请的专利文献“基于旋翼物理参数估计实现飞机目标分类的方法”(申请号201410662970.8，申请公布号CN 104330784 B)中公开了一种基于旋翼物理参数估计实现飞机目标分类的方法。该方法的具体步骤如下：从飞机雷达回波信号中分离旋翼回波信号，并从旋翼回波信号时频域中估计旋翼转速；在旋翼回波信号的时频域中对旋翼回波信号进行旋翼二维成像；对旋翼二维成像结果预处理；从预处理后的旋翼二维成像结果中估计旋翼长度和螺旋桨叶片数；将估计出的旋翼转速ω、旋翼长度L和螺旋桨叶片数N这些旋翼物理参数与飞机类型标准库中飞机旋翼物理参数比对，判断出飞机目标的类型。该方法存在的不足之处是：使用上述方法对参数进行提取时，利用霍夫变换搜索曲线的过程耗时长，无法满足空中目标识别的实时性要求。

电子科技大学在其申请的专利文献“一种直升机旋翼物理参数提取方法”(申请号201910519253.2，申请公布号CN 110133600 A)中公开了一种基于时频谱图像处理的直升机旋翼物理参数提取方法。该方法的具体步骤如下：首先对直升机的窄带RCS序列时频谱进行滤波和分割，降低时频谱图的背景噪声，提高图像清晰度，以准确提取时频信号线；再利用最小二乘法估计出直升机旋翼的旋转周期，并通过统计单个旋转周期中最大频宽线的个数，估计出旋翼的桨叶个数；最后通过频谱宽度与桨叶长度的关系，估算出桨叶的长度。该方法存在的不足之处是：使用上述方法对参数进行提取时需要逐个进行，微动参数之间具有依赖关系，无法对依赖其他参数的微动参数进行独立的提取。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种基于多任务卷积网络的空中目标微动参数实时提取方法，旨在解决现有技术的空中目标微动参数估计方法实时性差及微动参数提取不具有独立性的问题。

实现本发明目的的思路是：通过多任务卷积神经网络良好的非线性映射能力，能够快速提取微动参数，通过多任务非共享模块之间的非共享性，能够在不依赖其他非共享模块的情况下独立的提取对应的微动参数。构建由一个多任务共享模块和三个多任务非共享模块组成的多任务卷积神经网络，以满足对空中目标微动参数实时提取的目的。同时，利用每个多任务非共享模块的非共享性，独立提取与该模块对应的微动参数，以满足微动参数提取的独立性。以总损失值的收敛来保证三个参数可以同时提取并具有一定的精度。

实现本发明目的的具体步骤如下：

(1)生成训练集：

(1a)选取包含M种空中目标，每种空中目标的叶片数不同且每种空中目标至少包含1000个雷达回波样本的样本集，样本集中样本总数为N，其中M≥3，N≥M*1000；

(1b)采用CLEAN算法，提取样本集中每个雷达回波样本中的微动信号；