[发明专利]基于雷达高分辨距离像的目标识别方法、装置及介质

权利要求书

1.一种基于雷达高分辨距离像的目标识别方法，其特征在于，所述方法采用雷达目标识别模型进行识别，所述雷达目标识别模型包括聚类模块、区域分解模块和注意机制模块，所述方法包括以下步骤：

获取包括多种类别的飞机的HRRP训练样本数据集；所述HRRP训练样本数据集中的各个训练样本带有分类标签，所述分类标签用于标记所述飞机的类别信息；

将所述训练样本输入到聚类模块中，得到所述训练样本在特征空间中的非线性映射变换数据；

在所述特征空间中对所述非线性映射变换数据进行聚类，得到多个聚类中心的聚类数据；

将所述训练样本输入到区域分解模块中，得到所述训练样本各个聚类中心的特征数据；

基于所述注意机制模块为所述特征数据分配权重，并根据分配权重后的所述特征数据确定所述训练样本的预测结果；

根据所述预测结果和所述分类标签，确定所述雷达目标识别模型预测的第一损失值，并确定聚类的第二损失值；

根据所述第一损失值和所述第二损失值，对所述雷达目标识别模型的参数进行更新，得到训练好的雷达目标识别模型；

获取待识别的目标飞机的HRRP数据；

将所述HRRP数据输入到训练好的雷达目标识别模型中，得到所述目标飞机的类别识别结果。

2.根据权利要求1所述的基于雷达高分辨距离像的目标识别方法，其特征在于，所述确定聚类的第二损失值，包括：

通过KL散度算法确定聚类的第二损失值。

3.根据权利要求2所述的基于雷达高分辨距离像的目标识别方法，其特征在于，所述根据所述第一损失值和所述第二损失值，对所述雷达目标识别模型的参数进行更新，包括：

根据所述第一损失值和所述第二损失值之和，确定第三损失值；

根据所述第三损失值，对所述雷达目标识别模型的参数进行更新，得到训练好的雷达目标识别模型。

4.根据权利要求1-3中任一项所述的基于雷达高分辨距离像的目标识别方法，其特征在于，所述根据所述预测结果和所述分类标签，确定所述雷达目标识别模型预测的第一损失值，包括：

根据所述预测结果和所述分类标签，通过交叉熵损失函数确定所述雷达目标识别模型预测的第一损失值。

5.根据权利要求1所述的基于雷达高分辨距离像的目标识别方法，其特征在于，所述对所述雷达目标识别模型的参数进行更新，得到训练好的雷达目标识别模型，包括：

若所述参数更新前后，所述预测结果的差异值小于预设阈值，则停止所述雷达目标识别模型的参数更新，得到训练好的雷达目标识别模型。

6.一种基于雷达高分辨距离像的目标识别装置，其特征在于，所述装置采用雷达目标识别模型进行识别，所述雷达目标识别模型包括聚类模块、区域分解模块和注意机制模块，所述装置包括：

第一获取模块，用于获取包括多种类别的飞机的HRRP训练样本数据集；所述HRRP训练样本数据集中的各个训练样本带有分类标签，所述分类标签用于标记所述飞机的类别信息；

输入模块，用于将所述训练样本输入到聚类模块中，得到所述训练样本在特征空间中的非线性映射变换数据；

聚类模块，用于在所述特征空间中对所述非线性映射变换数据进行聚类，得到多个聚类中心的聚类数据；

处理模块，用于将所述训练样本输入到区域分解模块中，得到所述训练样本各个聚类中心的特征数据；

预测模块，用于基于所述注意机制模块为所述特征数据分配权重，并根据分配权重后的所述特征数据确定所述训练样本的预测结果；

计算模块，用于根据所述预测结果和所述分类标签，确定所述雷达目标识别模型预测的第一损失值，并确定聚类的第二损失值；

更新模块，用于根据所述第一损失值和所述第二损失值，对所述雷达目标识别模型的参数进行更新，得到训练好的雷达目标识别模型；

第二获取模块，用于获取待识别的目标飞机的HRRP数据；

识别模块，用于将所述HRRP数据输入到训练好的雷达目标识别模型中，得到所述目标飞机的类别识别结果。