申请/专利权人：西安电子科技大学

申请日：2019-10-24

公开（公告）日：2020-01-31

公开（公告）号：CN110736970A

主分类号：G01S7/41(20060101)

分类号：G01S7/41(20060101);G06K9/00(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06N20/00(20190101);G06T5/10(20060101)

优先权：

专利状态码：有效-授权

法律状态：2023.03.24#授权;2020.02.25#实质审查的生效;2020.01.31#公开

摘要：本发明公开了一种基于ASIC机器学习处理器的雷达目标快速识别方法，主要解决现有方法利用神经网络模型对雷达目标的识别速度慢，能效比低的问题，其方案是：获取VGG16识别模型，将该模型参数进行int8量化，并将其结构均匀拆分为N份；将拆分后模型从主处理器导入协处理器中；对毫米波雷达数据进行距离向傅里叶变换和短时傅里叶变换，得到目标的微多普勒图；将微多普勒图从主处理器导入协处理器中；通过协处理器按照拆分后的模型进行端到端的计算，得到目标属于不同类别的概率，并将结果拷入到主处理器中；主处理器将识别概率最大的结果作为最终识别结果输出。本发明能够加快雷达目标识别速度，提高能效比，可用于毫米波雷达场景监视。

主权项：1.一种基于ASIC机器学习处理器的雷达目标快速识别方法，其特征在于，包括如下：1从公开网络下载VGG16识别模型，将该模型参数进行int8量化，再将参数量化后的VGG16模型结构均匀拆分为N份，将拆分后的模型从主机处理器拷入ASIC机器学习处理器的片上内存中，得到预处理后的识别模型；2从主机处理器读取现有毫米波雷达监测场景中的二维数据，包括快时间维和慢时间维，对该二维数据依次进行距离向傅里叶变换和短时傅里叶变换处理，得到检测场景中目标的微多普勒图；3多线程操作，得到目标的识别结果：3a将目标的微多普勒图从主机处理器拷入ASIC机器学习协处理器中；3b协处理器按照预处理后的模型对输入数据进行端到端的计算，得到目标属于不同类别的概率，并将该计算结果拷入到主处理器中；3c主处理器按照应用需求根据目标属于不同类别的概率，从中选出识别概率最大的结果作为目标的识别结果并输出。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于ASIC机器学习处理器的雷达目标快速识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD