[发明专利]基于多通道复用卷积神经网络的雷达目标识别方法

权利要求书

1.一种基于多通道复用卷积神经网络的雷达目标识别方法，其特征在于，包括以下步骤：

步骤1、基于奇偶交替循环右移矩阵，将一维雷达目标频域信号构造成二维数据；

步骤2、将上述经过步骤1处理好的数据，按照一定比例生成训练集和测试集；

步骤3、构造由多通道复用模块组成的卷积神经网络；

步骤4、将步骤2中生成好的训练集放入步骤3中构造的网络中进行训练；

步骤5、使用步骤2中生成好的训练集对步骤4中训练好的网络进行测试。

2.根据权利要求1所述的基于多通道复用卷积神经网络的雷达目标识别方法，其特征在于，步骤1中构造的奇偶交替循环右移矩阵的方法如下：

设长度为2M的一维雷达目标频域信号x为：

x＝[x₁,x₂,x₃,…,x_n,…,x_2M],n＝1,2,3,…,2M

将一维雷达目标频域信号x中n为奇数的元素构造成一个长度为M的向量x_o：

x_o＝[x₁,x₃,x₅,…,x_n,…,x_2M-1],n＝1,3,5,…,2M-1

将其中n为偶数的元素构造成一个长度为M的向量x_e：

x_e＝[x₂,x₄,x₆,…,x_n,…,x_2M],n＝2,4,6,…,2M

构造M×M的奇偶交替循环右移矩阵H_x，矩阵中的第i行，i＝1,2,3,…,m，若i为奇数则为x_o循环右移i-1位，若i为偶数则为x_e循环右移i-1位，则矩阵H_x为：

3.根据权利要求1所述的基于多通道复用卷积神经网络的雷达目标识别方法，其特征在于，步骤3中所构建的多通道复用模块首先使用1×1卷积进行降维，随后使用3层3×3卷积，将每层3×3卷积的输出进行1×1卷积升维后加权相加，最后加上残差结构，将模块输入与加权相加结果求和得到模块输出；卷积神经网络结构沿着传播方向依次为1层多通道复用模块、1层卷积下采样层、3层多通道复用模块、1层卷积下采样层、3层多通道复用模块、1层卷积下采样层、2层多通道复用模块、1层卷积下采样层、1层多通道复用模块、1层卷积下采样层、1层多通道复用模块、1层最大池化层、2层全连接层以及一层softmax层；多通道复用模块的3个通道对应了3中不同感受野的特征，通过3个3×3卷积实现7×7大小的感受野，通过2个3×3卷积实现5×5大小的感受野，根据算出的权值进行各个通道特征的融合。

4.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1～3中任一项所述基于多通道复用卷积神经网络的雷达目标识别方法的步骤。

5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～3中任一项所述基于多通道复用卷积神经网络的雷达目标识别方法的步骤。