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: 2024107587034
申请人: 南京信息工程大学
专利类型:发明专利
专利状态:已下证
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.Fisher信息矩阵姿态角自适应SAR目标识别方法,其特征在于,包括以下步骤:步骤1,数据准备:SAR目标数据集{Da步骤2,模型初始化:利用Pytorch初始化器自动初始化合成孔径雷达自动目标识别SAR-ATR模型F步骤3,预训练模型:令超参数l=0,超参数λ为已学习数据集D步骤4,计算重要性权重:基于Fisher信息矩阵计算网络参数对SAR目标数据集序列的重要程度;

步骤5,保护参数:模型F

步骤6,学习新任务:令l=g,其中γ为更新后的重要性权重因子,模型F步骤7,重复步骤4~步骤6,面对持续新的SAR图像数据流,每次学习新姿态角下SAR目标数据后都要更新重要性权重;

步骤8,输出y=F

2.根据权利要求1所述的方法,其特征在于,步骤1包括:采用如下公式进行数据滤波:

f(x)=10lg[x+10

其中x为原始SAR图像,f(x)为对数滤波后的SAR图像。

3.根据权利要求2所述的方法,其特征在于,步骤2包括:雷达经过K次观测任务获取目标所有姿态角下完备数据集模型F

输入SAR图像样本x

C(x)=argmax

其中C(x)为SAR目标类别的索引,argmax表示取使某个函数值最大的自变量,s是使F(x

4.根据权利要求3所述的方法,其特征在于,步骤3包括:采用如下公式从初始姿态角a1下的SAR目标数据集D其中L

5.根据权利要求4所述的方法,其特征在于,步骤3中,在SAR目标数据集序列上采用最小交叉熵方法训练模型F

6.根据权利要求5所述的方法,其特征在于,步骤4包括:根据如下公式计算出关于SAR目标数据集D其中,

7.根据权利要求6所述的方法,其特征在于,步骤5中,采用如下公式对参数进行保护:其中p(θ|D

8.根据权利要求7所述的方法,其特征在于,步骤6包括:令l=0,采用如下公式将SAR目标数据集其中L(q)为总损失函数,L

9.根据权利要求8所述的方法,其特征在于,步骤7包括:在新姿态角a