基于LSTM模型的脉冲多普勒雷达低慢小目标识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114296067A(43)申请公布日2022.04.08(21)申请号202210002980.3G06K9/62(2022.01)(22)申请日2022.01.04G06N3/04(2006.01)G06N3/08(2006.01)(71)申请人成都汇蓉国科微系统技术有限公司地址610000四川省成都市天府新区华阳街道天府大道南段2039号36栋8层805号、10层1004号(72)发明人鲁瑞莲金敏费德介汪宗福郑婷(74)专利代理机构中国和平利用军工技术协会专利中心11215代理人刘光德彭霜(51)Int.Cl.G01S13/52(2006.01)G01S7/41(2006.01)G01S7/292(2006.01)权利要求书3页说明书10页附图2页(54)发明名称基于LSTM模型的脉冲多普勒雷达低慢小目标识别方法(57)摘要本发明提出一种基于LSTM模型的脉冲多普勒雷达低慢小目标的识别方法，所述方法包括如下步骤：接收已经采集脉冲多普勒雷达低慢小类目标航迹的集合，对航迹集合信息进行拆分、归一化预处理；初始化基于初始化参数与当前训练单次目标个数的数据集执行选择LSTM前向传播，并计算当前系数对应损失函数值；如果所述损失函数值大于预设阈值，执行输入门系数、输出门系数和遗忘门状态系数的更新；如果所述损失函数值小于阈值，基于当前神经网络权系数进行下一训练单次目标个数训练；完成当前周期所有训练单次目标个数训练后，将当前周期损失函数值与所述停止迭代损失函数的预设阈值进行比较；基于最终状态神经网络参数在验证集数据验证识别正确率并进行输出。CN114296067ACN114296067A权利要求书1/3页1.一种基于LSTM模型的脉冲多普勒雷达低慢小目标的识别方法，其特征在于，所述方法包括如下步骤：步骤1，接收已经采集脉冲多普勒雷达低慢小类目标航迹的集合，对航迹集合信息进行拆分、归一化预处理；将归一化后的航迹按预定比例分为训练集与验证集；步骤2，初始化输入结点个数、神经网络层数、训练周期数、训练单次目标个数、单次迭代权重调整比例、停止迭代损失函数阈值、输出目标种类；初始化起始时刻输入门、输出门、遗忘门状态系数、细胞系数、偏置值；初始化起始时刻隐层细胞状态值、细胞隐层值；步骤3，基于步骤2中各项初始化参数与当前训练单次目标个数的数据集执行选择LSTM前向传播，并计算当前系数对应损失函数值；步骤4基于步骤3中所述损失函数值与停止迭代损失函数的预设阈值进行比较，如果所述损失函数值大于预设阈值，执行输入门系数、输出门系数和遗忘门状态系数的更新；如果所述损失函数值小于阈值，基于当前神经网络权系数进行下一训练单次目标个数训练；步骤5，通过步骤3与步骤4完成当前周期所有训练单次目标个数训练后，将当前周期损失函数值与所述停止迭代损失函数的预设阈值进行比较；如果所述当前周期损失函数值大于所述预设阈值，执行下一周期训练；如果所述当前周期损失函数值小于所述预设阈值，停止训练并输出当前时刻的各项参数作为最终的神经网络参数；步骤6，基于步骤5最终状态神经网络参数在验证集数据验证识别正确率并进行输出。2.如权利要求1所述的识别方法，其特征在于，步骤1中包括以下子步骤：步骤1.1，设定已经采集的脉冲多普勒雷达低慢小类目标航迹集合表述为n＝1,...,N,ln＝1,...,Ln其中表示航迹集合内第n条航迹中第ln个点迹距离，表示航迹集合内第n条航迹中第ln个点迹方位角，表示航迹集合内第n条航迹中第ln个点迹俯仰角，表示航迹集合内第n条航迹中第ln个点迹雷达散射截面积RCS，N表示航迹个数，Ln表示第n条航迹内点迹个数；步骤1.2，针对所述目标航迹集合，根据航迹采集种类先验信息添加航迹标签；步骤1.3，所述目标航迹集合按照下面公式对航迹信息进行归一化处理：n＝1,...,N,ln＝1,...,Ln其中∑·表示求和操作；步骤1.4，归一化后的航迹按预定比例分为训练集Tn与验证集Vn。2CN114296067A权利要求书2/3页3.如权利要求1所述的识别方法，其特征在于，其中N＝12338；航迹标签中对无人机航迹标记为1，对非无人机航迹标记为0；训练集比例为70％，验证集比例为30％。4.如权利要求1所述的识别方法，其特征在于，步骤2中，输入结点个数256，训练周期初始值1000次，训练单次目标个数为500，单次迭代权重比例ρ＝1％，停止迭代损失函数阈值Tr＝10‑6。5.如权利要求1所述的识别方法，其特征在于，步骤3包括子步骤：步骤3.1，根据步骤1获得的归一化训练集与步骤2中训练单次目标个数minibatch大小将数据集分为Nb＝N/minibatch个batch，其中batch做为下面步骤的基