[发明专利]一种基于降噪特征增强的多视角一维距离像融合识别方法

权利要求书

1.一种基于降噪特征增强的多视角一维距离像融合识别方法，其特征在于，所述方法包括：

根据预设的目标参数建立对应的缩比目标，使用多视角雷达观测所述缩比目标，得到对应的实验一维距离像数据；

基于加入不同信噪比噪声的所述实验一维距离像数据训练预设的降噪神经网络，得到对应的降噪模型；

获取所述多视角雷达的一维距离像数据，使用所述降噪模型处理所述一维距离像数据，得到对应的降噪一维距离像数据；

将所述多视角雷达的所述降噪一维距离像数据输入预设的分类识别模型，提取所述降噪一维距离像数据的高维特征，融合提取到的高维特征，得到对应的目标识别结果；

其中，提取所述降噪一维距离像数据的高维特征的方式包括：

对所述降噪一维距离像数据进行数据预处理，所述数据预处理包括数据归一化、数据中心对齐和数据截取；所述数据预处理的方式包括：获取所述降噪一维距离像数据的序列最大值位置，以所述序列最大值位置为中心点，根据预设的点数在所述降噪一维距离像数据中截取对应的数据，对截取到的数据的幅值进行标准化处理；

使用预设的分类特征提取网络提取所述降噪一维距离像数据的高维特征。

2.根据权利要求1所述的方法，其特征在于，基于加入不同信噪比噪声的所述实验一维距离像数据训练预设的降噪神经网络，得到对应的降噪模型的方式包括：

在所述实验一维距离像数据中加入预设的噪声数据，得到训练数据集；

将所述训练数据集输入预设的神经网络，计算所述神经网络的输出和对应的实验一维距离像数据的偏离程度值；

当所述偏离程度值小于预设值时，得到对应的降噪模型。

3.根据权利要求1所述的方法，其特征在于，融合提取到的高维特征的方式包括：

使用通道级联、加权相加或加权相乘的方式对提取到的高维特征进行融合。

4.根据权利要求2所述的方法，其特征在于，所述预设的神经网络包括前向自编码器和跨连接层。