技术新讯 > 计算推算,计数设备的制造及其应用技术 > 基于雷达多模态数据的智能目标融合识别方法及系统  >  正文

基于雷达多模态数据的智能目标融合识别方法及系统

  • 国知局
  • 2024-11-06 15:04:43

本发明属于雷达信号处理,具体涉及一种基于雷达多模态数据的智能目标融合识别方法及系统。

背景技术:

1、雷达宽带高分辨距离像回波(high-resolution range profile,hrrp)是通过宽带雷达信号获取的目标散射点回波在雷达射线上投影的向量和幅度波形,hrrp反映了在一定雷达视角时,目标主要散射中心沿雷达视线的分布情况,由于hrrp具有获取方便、灵活,便于处理等优点,被广泛应用于空中目标识别领域。然而,由于实际应用场景日益复杂,基于单一hrrp的目标识别无法满足稳健目标识别的需求,此时,多模雷达数据融合基于多种雷达回波数据,能够捕捉不同形式的雷达数据间的互补特性,从而获得关于目标的完备描述。

2、现有技术中,在应用多模态雷达数据进行目标识别过程中,存在多模态雷达数据融合网络结构简单,未充分挖掘多模态数据包含的互补信息;也存在数据模态较多,既有雷达数据,也有其他数据,例如光学数据,使得数据获取要求较高,影响后续处理过程;还存在未对多模态数据特征关系分析,融合策略简单,较难充分利用不同模态的数据所包含的信息。

3、因此,亟需提供一种雷达多模态数据的目标融合识别方法,以克服上述缺陷。

技术实现思路

1、为了解决现有技术中存在的上述问题,本发明提供了一种基于雷达多模态数据的智能目标融合识别方法及系统。本发明要解决的技术问题通过以下技术方案实现:

2、第一方面,本发明提供一种基于雷达多模态数据的智能目标融合识别方法,包括:

3、获取待识别目标的雷达多模数据;

4、将待识别目标的雷达多模数据输入至训练好的多模雷达数据目标融合识别模型中,依次进行单模特征提取,分别得到多个单模特征,根据多个单模特征,进行基于多模特征学习子空间约束的模态间相似性特征和本征特征学习,将学习到的多个模态间相似性特征进行压缩,得到多模相似性特征,将学习到的多个本征特征和多模相似性特征进行注意力融合,并输出识别概率,得到待识别目标的雷达多模数据中目标的分类识别结果;

5、其中,训练好的多模雷达数据目标融合识别模型以预设类别的数据作为训练数据集,对初始的多模雷达数据目标融合识别模型进行训练得到;预设类别的数据包括雷达宽带高分辨距离像回波、窄带调制谱回波和目标航迹序列。

6、第二方面,本发明还提供一种基于雷达多模态数据的智能目标融合识别系统,包括:

7、数据获取模块,用于获取待识别目标的雷达多模数据;

8、数据处理模块,用于将待识别目标的雷达多模数据输入至训练好的多模雷达数据目标融合识别模型中,依次进行单模特征提取,分别得到多个单模特征,根据多个单模特征,进行基于多模特征学习子空间约束的模态间相似性特征和本征特征学习,将学习到的多个模态间相似性特征进行压缩,得到多模相似性特征,将学习到的多个本征特征和多模相似性特征进行注意力融合,并输出识别概率,得到待识别目标的雷达多模数据中目标的分类识别结果;

9、其中,训练好的多模雷达数据目标融合识别模型以预设类别的数据作为训练数据集,对初始的多模雷达数据目标融合识别模型进行训练得到;预设类别的数据包括雷达宽带高分辨距离像回波、窄带调制谱回波和目标航迹序列。

10、本发明的有益效果:

11、本发明提供的一种基于雷达多模态数据的智能目标融合识别方法及系统,采用多模雷达数据对识别模型进行训练,多模雷达数据包括雷达宽带高分辨距离像回波、窄带调制谱回波、目标航迹序列,能够充分挖掘目标散射中心分布特征、微多普勒特征和运动特征,实现对目标属性的多维多域描述;采用了跨模态的模态间相似性特征学习子空间和各模态特有的模态内本征特征学习子空间,并通过相应的损失约束指导对不同类型的多模特征的有效学习,强化了模态间和模态内的特征学习,提高了特征对目标属性的描述能力;采用自适应特征融合的方式,提高了特征融合的有效性。

12、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征:

1.一种基于雷达多模态数据的智能目标融合识别方法,其特征在于,包括:

2.根据权利要求1所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,在对初始的多模雷达数据目标融合识别模型进行训练之前,还包括:

3.根据权利要求2所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,以预设类别的数据作为训练数据集,对初始的多模雷达数据目标融合识别模型进行训练,包括:

4.根据权利要求3所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,将所述训练数据集和所述训练数据集中训练样本的真实标签输入至所述初始的多模雷达数据目标融合识别模型进行迭代训练,包括:

5.根据权利要求4所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,所述预设条件包括在有限次迭代训练过程中所述一致性损失、所述差异性损失、所述重构损失和所述分类损失的和达到最小。

6.根据权利要求4所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,所述雷达宽带高分辨距离像回波特征、所述窄带调制谱回波特征和所述目标航迹序列特征的获取过程包括:

7.根据权利要求4所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,将所述雷达宽带高分辨距离像回波特征、所述窄带调制谱回波特征和所述目标航迹序列特征输入至所述多模特征学习子空间约束模块进行处理,包括:

8.根据权利要求4所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,将所述多模相似性特征、所述雷达宽带高分辨距离像回波本征特征、所述窄带调制谱回波本征特征、所述目标航迹序列本征特征、所述雷达宽带高分辨距离像回波特征、所述窄带调制谱回波特征和所述目标航迹序列特征输入至所述特征重构模块进行处理,包括:

9.根据权利要求4所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,将所述多模相似性特征、所述雷达宽带高分辨距离像回波本征特征、所述窄带调制谱回波本征特征、所述目标航迹序列本征特征和所述训练数据集中训练样本的真实标签输入至注意力特征融合模块进行处理,包括:

10.一种基于雷达多模态数据的智能目标融合识别系统,用于实现如权利要求1~9任一项所述的基于雷达多模态数据的智能目标融合识别方法,其特征在于,包括:

技术总结本发明公开了一种基于雷达多模态数据的智能目标融合识别方法及系统,包括:获取待识别目标的雷达多模数据;将待识别目标的雷达多模数据输入至训练好的多模雷达数据目标融合识别模型中,依次进行单模特征提取,分别得到多个单模特征,根据多个单模特征,进行基于多模特征学习子空间约束的模态间相似性特征和本征特征学习,将学习到的多个模态间相似性特征进行压缩,得到多模相似性特征,将学习到的多个本征特征和多模相似性特征进行注意力融合,并输出识别概率,得到待识别目标的雷达多模数据中目标的分类识别结果。本发明能够高效、稳健地对目标进行识别。技术研发人员:刘宏伟,王鹏辉,郭帅,陈渤受保护的技术使用者:西安电子科技大学技术研发日:技术公布日:2024/11/4

本文地址:https://www.jishuxx.com/zhuanli/20241106/325183.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。