[发明专利]基于深层类内分裂的雷达高分辨距离像开集目标识别方法

权利要求书

1.一种基于深层类内分裂的雷达高分辨距离像开集目标识别方法，其特征在于，包括如下：

(1)获取雷达二维高分辨距离像谱图数据，并分别为雷达目标数据库内的各个目标类别设置标签值；

(2)从雷达二维高分辨距离像谱图数据中选取包含目标所有方位角域的样本数据，组成训练样本集，将其余数据组成测试样本集的库内样本，从仿真飞机数据中均匀抽取部分样本组成测试样本集的库外样本；

(3)构建一个由八层的多类分类器和两层结构的识别子网级联组成的类内分裂模型；

(4)对类内分裂模型进行训练，并将训练样本集输入到训练好的类内分裂模型中进行分裂，得到非典型样本子集和典型样本子集；

(5)构建一个由十层的闭集正则化子网和两层结构的开集识别子网级联组成的开集识别模型；

(6)对开集识别模型进行训练：

(6a)将从均值为0、方差为0.01的高斯分布中随机采样的数组，作为开集识别模型的每一层的初始权值参数，该采样数组的数目和维度与开集识别模型中所有参数数目和维度相等；

(6b)对所有非典型样本分配统一标签“0”，构成新的非典型样本子集；

(6c)将典型样本子集和新的非典型样本子集批量输入到开集识别模型中，分别计算典型样本和新的非典型样本输出的预测值；

(6d)根据预测值和真实值设置联合损失函数L：

L＝L_OS+γ·L_CS

其中，L_OS是开集识别子网的损失函数，L_CS是闭集正则化子网的损失函数，0＜γ≤1是调节这两项损失函数之间的超参数；

(6e)重复执行(6c)和(6d)，直到联合损失函数值小于0.1，得到训练好的开集识别模型；

(7)将测试样本输入到训练好的开集识别模型中，计算每个测试样本的一组输出概率值，将最大的概率值对应输出类别作为每个测试样本的类别，完成雷达高分辨距离像的开集识别。

2.根据权利要求1所述的方法，其特征在于，所述(1)中获取雷达二维高分辨距离像谱图数据，实现如下：

(1a)提取雷达回波在雷达视线上沿着距离维的幅度信息，作为雷达高分辨距离像数据；

(1b)对雷达高分辨距离像数据进行二范数归一化和重心对齐处理；

(1c)对重心对齐后的雷达高分辨距离像数据求均值，再用重心对齐后的雷达高分辨距离像数据减去该均值，得到均值归一化后的高分辨距离像数据；

(1d)对均值归一化后的高分辨距离像数据做短时傅里叶变换，得到雷达二维高分辨距离像谱图数据：

其中，τ·表示时间，ω表示频率，x(·)表示待变换的信号，-∞＜u＜+∞表示变量，w(·)表示汉明窗函数。

3.根据权利要求1所述的方法，其特征在于，所述(3)中的八层多类分类器，前五层结构相同，每一层均包括有卷积层、平均池化层和批规范化处理层，第六层为一维化数据处理层，第七层和第八层结构相同，每一层均包括有全连接层辍学层，整体结构依次连接如下：

第1卷积层→第1平均池化层→第1批规范化处理层→第2卷积层→第2平均池化层→第2批规范化处理层→第3卷积层→第3平均池化层→第3批规范化处理层→第4卷积层→第4平均池化层→第4批规范化处理层→第5卷积层→第5平均池化层→第5批规范化处理→一维化数据处理层→第1全连接层→第1辍学层→第2全连接层→第2辍学层。