[发明专利]基于卷积神经网络的变体飞机高分辨回波恢复方法

摘要

本发明提出了一种基于卷积神经网络的变体飞机高分辨回波恢复方法，解决了因变体飞机与对应的非变体飞机高分辨回波存在差异导致的变体飞机识别率下降的问题。实现过程是：输入变体飞机高分辨回波；对样本进行标准化预处理；构建并训练一维卷积神经网络；变体飞机高分辨回波的恢复。本发明用卷积神经网络将变体飞机高分辨回波恢复成非变体飞机高分辨回波；构建并训练适用于高分辨回波的一维卷积神经网络，用于变体飞机高分辨回波恢复。本发明能将变体飞机高分辨回波恢复成对应的非变体飞机高分辨回波，大大降低变体部分对目标识别方法带来的影响，有效提高了变体飞机识别的识别率。可应用于雷达目标识别领域。

主权项

1.一种基于卷积神经网络的变体飞机高分辨回波恢复方法，其特征在于，包括有如下步骤：1)输入变体飞机高分辨回波：将雷达收到的变体飞机高分辨回波和与之对应的非变体飞机高分辨回波实时接收并保存到数据文件中，然后将保存好的变体飞机高分辨回波和与之对应的非变体飞机高分辨回波数据作为样本均输入到一维卷积神经网络中；变体飞机高分辨回波数据为变体样本，非变体飞机高分辨回波数据为期望样本，变体样本和期望样本统称为样本；每个样本即一个样本向量；2)对样本进行标准化预处理：对输入到一维卷积神经网络中的高分辨回波数据进行幅度归一化处理，幅度归一化采用最大值归一化处理，具体方法是用样本向量中的每个元素除以该样本向量中所有元素中的最大值；用该归一化方法遍历所有样本形成最大值归一化之后的样本集，其中在该样本集中随机选取一半的变体样本和与之对应的期望样本作为训练样本集，剩余的变体样本作为测试样本集；3)构建并训练一维卷积神经网络：构建一维卷积神经网络，其卷积层和池化层组成基础网络，基础网络的多层叠加和连接再连接全连接层作为一维卷积神经网络的输出层；将标准化预处理之后的训练样本集输入到一维卷积神经网络中，首先训练首尾连接的所有基础网络，无监督地学习训练样本的特征，将最后一层基础网络输出的样本输入到全连接层中，计算全连接层的输出数据与归一化后的期望样本之间的误差，微调一维卷积神经网络中的参数，多次迭代得到优化好的一维卷积神经网络；4)变体飞机高分辨回波的恢复：将标准化预处理之后的测试样本集中的变体样本输入到一维卷积神经网络中，一维卷积神经网络输出对应的非变体飞机的高分辨回波。