[发明专利]基于卷积神经网络的多通道合成孔径雷达动目标检测方法

权利要求书

1.基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，包括如下步骤：

步骤1，获取n通道雷达实测数据和仿真数据，基于实测数据和仿真数据构建仿真-实测混合样本集，所述仿真-实测混合样本集包括动目标样本和杂波样本；

步骤2，采用独热编码形式对仿真-实测混合样本集中的样本加标签，其中，动目标样本加目标存在的标签，杂波样本加目标不存在的标签；

步骤3，构建卷积神经网络模型，该模型的网络结构包括依次连接的输入层、第一卷积层、第二卷积层、第三卷积层、展平层、第一全连接层、第二全连接层和输出层，其中，第一卷积层、第二卷积层和第三卷积层均包括依次连接的卷积层、批量标准化层、激活函数和最大池化核；

步骤4，对于加了标签的仿真-实测混合样本集中的样本，将其实部虚部分开，整合为2n通道数据输入卷积神经网络模型进行训练，得到训练好的卷积神经网络模型参数；

步骤5，将训练好的卷积神经网络模型参数导入卷积神经网络模型，采用滑窗形式对待检测的雷达实测数据进行检测，获得检测图像。

2.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，所述步骤1的具体过程如下：

1.1，获取雷达仿真数据，具体为：采用沿航迹排列的n个通道同时接收仿真雷达回波数据，n个通道接收的仿真雷达回波数据经过成像和配准后，得到n通道SAR复图像数据，即动目标；

1.2，获取雷达实测数据，将实测数据中的杂波背景与动目标进行叠加作为动目标样本；

1.3，将实测数据中不含动目标的静止场景图像作为杂波样本。

3.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，步骤3所述激活函数采用带泄露修正线性单元函数。

4.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，步骤3所述第一卷积层、第二卷积层和第三卷积层的卷积核均为3×3，通道数依次为32、64和128，第一全连接层和第二全连接层的通道数依次为256和128。

5.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，步骤3所述第一全连接层和第二全连接层的激活函数后面均加正则化，以防止过拟合。

6.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，步骤3所述卷积神经网络模型采用指数衰减学习率。

7.根据权利要求1所述基于卷积神经网络的多通道合成孔径雷达动目标检测方法，其特征在于，步骤5所述滑窗窗口大小等于仿真-实测混合样本集中样本大小。