[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

说明书

本申请公开了一种基于雷达高分辨距离像的目标识别方法、装置及介质。该方法通过获取训练样本数据集；将训练样本输入到聚类模块中，得到训练样本在特征空间中的非线性映射变换数据并进行聚类，得到多个聚类中心的聚类数据；将训练样本输入到区域分解模块中得到各个聚类中心的特征数据；基于注意机制模块为特征数据分配权重，并确定训练样本的预测结果；根据预测结果和分类标签，确定雷达目标识别模型预测的第一损失值和聚类的第二损失值，对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，并对目标飞机进行识别。该方法可以有效提高对飞机类别识别的准确性，提高训练得到的模型的识别性能。本申请可广泛应用于雷达技术领域内。

技术领域

本申请涉及雷达技术领域，尤其是一种基于雷达高分辨距离像的目标识别方法、装置及介质。

背景技术

近些年来，由于信号处理的高速实时性和计算易处理性，雷达HRRP在RATR领域引起了广泛的关注。高分辨距离像(HRRP)是目标散射点对于高分辨雷达脉冲的响应回波沿着雷达视线(LOS)方向的一维特征表示，它可以反映目标的散射结构，几何尺寸和姿态，因此可以用来执行RATR。实现RATR的另一种方法是基于逆合成孔径雷达(ISAR)图像进行分类，然而，由于非合作目标ISAR成像的运动补偿阶段时，会有很大的困难，例如无法精确测量运动状态和轨迹，从而降低其成像质量。因此，HRRP-RATR的显着优势在于，在识别过程中可以直接处理HRRP数据而无需准备显式图像。

但是原始HRRP数据通常是高维的，并且包含用于目标识别的冗余信息，从而导致处理效率和识别性能下降，相关技术中，通过神经网络技术对HRRP数据进行分析识别时，存在特征区分度不足，识别效果较差的问题。综合上述，相关技术中存在的技术问题亟需得到解决。

名词解释：

HRRP，高分辨距离像，High Resolution Range Profile，HRRP。

RNN，循环神经网络，Recurrent Neural Network，RNN。

RATR，雷达自动目标识别，Radar Automatic Target Recognition，RATR。

发明内容

本申请的目的在于至少一定程度上解决相关技术中存在的技术问题之一。

为此，本申请实施例的一个目的在于提供一种基于雷达高分辨距离像的目标识别方法，该方法可以有效提高对飞机类别识别的准确性，提高训练得到的模型的识别性能。

本申请实施例的另一个目的在于提供基于雷达高分辨距离像的目标识别装置。

为了达到上述技术目的，本申请实施例所采取的技术方案包括：

第一方面，本申请实施例提供了一种基于雷达高分辨距离像的目标识别方法，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；