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: 2020109407752
申请人: 南昌航空大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
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:

1.一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述方法包括以下步骤,S1、通过数据去噪模块接收带噪声和干净的HRRP数据,利用改进的LSGAN,生成高信噪比的HRRP数据;所述数据去噪模块由一个改进的LSGAN构成,这个改进的LSGAN由判别网络和生成网络组成,两个网络进行对抗训练,利用低信噪比的HRRP数据生成与干净HRRP数据接近的HRRP数据,提高了HRRP数据的信噪比;

所述改进的LSGAN的判别网络包括:

依次相连,第一层为含有256个神经元的全连接层,第二层为只含有1个神经元的全连接层;

所述改进的LSGAN的生成网络包括:依次相连第一层为含有256个神经元的全连接层,第二层为只含有128个神经元的全连接层;

所述改进的LSGAN是在LSGAN的损失函数上进行改进的,在判别网络和生成网络的损失函数上各添加一个惩罚项;判别网络上添加的惩罚项有效的避免网络出现模型坍塌,生成网络上添加的惩罚项则使得生成数据和干净数据更加接近;两个惩罚项为:第一个为判别网络上添加的惩罚项,第二个为生成网络上添加的惩罚项,改进的LSGAN损失函数为:其中,Pz(x)为含噪声HRRP数据分布函数,Pdata(x)为干净HRRP数据分布函数,D(x),D(G(z)分别表示干净的和含噪声的HRRP数据通过判别网络得到的结果, 表示上述两种数据组合通过判别网络得到的结果,λ1和λ2表示调节权重;

S2、采用目标识别模块接收HRRP数据,利用CNN进行目标识别,得到识别结果。

2.根据权利要求1所述的一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述干净的HRRP数据是使用电磁仿真手段对五种飞机仿真得到的,该数据不含噪声;含噪声的HRRP数据是在仿真数据中添加高斯噪声得到的,通过调节参数来控制噪声数据的信噪比。

3.根据权利要求1所述的一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述目标识别模块是由一个CNN构成的,HRRP数据输入到这个CNN中训练,得到识别率。

4.根据权利要求1所述的一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述CNN包括:依次相连,第一层为含有64个输出的卷积层,第二层为最大池化层,第三层为含有128个输出的卷积层,第四层为最大池化层,第五层为含有1024个神经元的全连接层,第六层为含有1024个神经元的全连接层,第七层为含有5个神经元的全连接层,第八层为softmax层。

5.根据权利要求1所述的一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述CNN有三个全连接层,前两个全连接层后面都加上dropout层,使得这两个全连接层一定比例的神经元随机失活,可以有效的解决网络过拟合的问题。

6.根据权利要求1所述的一种基于改进的LSGAN和CNN的HRRP雷达目标识别方法,其特征在于:所述CNN使用的是一维卷积神经网络,卷积层使用一维卷积核,最大池化层使用一维池化核。