申请/专利权人：杭州电子科技大学

申请日：2022-04-14

公开（公告）日：2022-09-20

公开（公告）号：CN115079116A

主分类号：G01S7/41

分类号：G01S7/41;G01S13/06

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明公开了一种基于Transformer和时间卷积网络的雷达目标识别方法，首先对原始HRRP样本集进行预处理；通过卷积模块对样本进行特征提取并改变数据格式；再通过基于VIT的MoCo对比学习模块，在特征空间上学习区分不同样本；之后将经过MoCo对比学习模块得到的特征，输入时间卷积模块，进一步地加强模型的表征能力，得到可分性更强的特征；最后通过全连接层将更有效的特征进行保留，最后采用softmax对网络的输出进行分类。本发明中应用引入时间卷积网络，使模型获取HRRP中更为全面的信息，进一步提高模型的特征提取能力，得到可分性更强的特征用于分类。

主权项：1.基于Transformer和时间卷积网络的雷达目标识别方法，其特征在于，包括以下步骤：S1：对原始HRRP样本集进行预处理；采用L2范数归一化对HRRP原始回波数据进行处理，将幅度划分到统一尺度内消除HRRP的幅度敏感性；采用重心对齐法来改善HRRP的平移敏感性；S2:通过卷积模块对样本进行特征提取并改变数据格式；通过卷积模块CNN对预处理后的HRRP数据进行处理，通过控制和调整卷积模块卷积核的大小和步长，将一维距离像卷积成后续网络所需的数据格式；S3:通过基于VIT的MoCo对比学习模块，在特征空间上学习区分不同样本，拉近同类别样本在特征空间中的距离，同时拉开不同类别样本之间的距离；S4：将经过MoCo对比学习模块得到的特征，输入时间卷积模块，进一步地加强模型的表征能力，得到可分性更强的特征；S5:通过全连接层将更有效的特征进行保留，最后采用softmax对网络的输出进行分类。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于Transformer和时间卷积网络的雷达目标识别方法

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