欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202010528049X
申请人: 长沙理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于MDR‑Net的雷达目标识别系统,包括有雷达数据预处理模块、多维度稀疏性特征提取模块MDS、基于MDS模块的多维雷达目标识别网络MDR‑Net和分类器模块,其特征在于,所述雷达数据预处理模块对输入的目标雷达回波数据进行预处理;所述多维度稀疏性特征提取模块MDS,用来提取具有稀疏性的数据特征,包括两种模块,分别是高精度MDS模块HMDS和轻量级MDS模块LMDS;所述多维雷达目标识别网络MDR‑Net基于MDS模块设计的深度神经网络,包括2种MDS模块及4种深度的MDR‑Net:MDR12‑Net、MDR14‑Net、MDR17‑Net、MDR20‑Net;所述分类器模块为MDR‑Net匹配的分类器,对输入数据进行最终分类,以实现目标识别;

MDR12‑Net包括一层conv3‑64、一层conv3‑128、一层MDS‑256、一层conv3‑256、两层MDS‑512与两层conv3‑512;MDR14‑Net包括两层conv3‑64、两层conv3‑128、一层MDS‑256、一层conv3‑256、两层conv3‑512与两层MDS‑512;MDR17‑Net包括两层conv3‑64、两层conv3‑

128、一层MDS‑256、两层conv3‑256、一层conv3‑512、两层MDS‑512与三层conv3‑512;MDR20‑Net包括两层conv3‑64、两层conv3‑128、一层MDS‑256、三层conv3‑256、两层MDS‑512、两层conv3‑512与四层conv3‑512;

所述多维度稀疏性特征提取模块MDS为高精度MDS模块HMDS,包含一个并行卷积层和一个点卷积层,所述并行卷积层包括四条并行的卷积线路:第一条线路由7×7的卷积核组成,第二条线路由1×1后面接5×5的卷积层构成,第三条线路由1×1后面接3×3的卷积层构成,第四条线路由步长为1、大小为3的池化核后面接1×1卷积核构成;所述点卷积层为不压缩特征图的深层点卷积层,输入通道数与输出通道数相同;

所述多维度稀疏性特征提取模块MDS为轻量级MDS模块LMDS,包含一个并行卷积层和一个点卷积层,所述并行卷积层包括四条并行的卷积线路,第一条线路由1×1后面接7×7的卷积核组成,第二条线路由1×1后面接5×5的卷积层构成,第三条线路由1×1后面接3×3的卷积层构成,第四条线路由步长为1、大小为3的池化核后面接1×1卷积核构成;所述点卷积层为不压缩特征图的深层点卷积层,输入通道数与输出通道数相同;

所述多维雷达目标识别网络MDR‑Net为基于HMDS模块的网络HMDR‑Net,在卷积层中引入HMDS模块来搭建网络,根据输入的雷达信号的复杂度选择不同深度的HMDR‑Net网络,在网络中引入不同数目的HMDS模块;

所述多维雷达目标识别网络MDR‑Net为基于LMDS模块的网络LMDR‑Net,在卷积层中引入LMDS模块来搭建网络,根据输入的雷达信号的复杂度选择不同深度的LMDR‑Net网络,在网络中引入不同数目的LMDS模块。

2.如权利要求1所述的雷达目标识别系统,其特征在于,所述分类器模块选择单层或三层的神经网络全连接层或者全局平均值池化方法与MDR‑Net匹配作为雷达目标识别模块的分类器。

3.如权利要求1所述的雷达目标识别系统,其特征在于,所述雷达数据预处理模块对HRRP做数据预处理时采用的方法是分别提取每个数据点的实部与虚部,在原目标所在列向量中将其上下排列,保留目标HRRP数据差分相位信息并扩充数据量。

4.一种基于MDR‑Net的雷达目标识别方法,其特征在于,采用权利要求1至3任一项所述的雷达目标识别系统。