买专利,只认龙图腾
首页 专利交易 科技果 科技人才 科技服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

【发明授权】基于多任务学习的HRRP特征提取方法_天津大学_202010638363.3 

申请/专利权人:天津大学

申请日:2020-07-03

公开(公告)日:2023-01-03

公开(公告)号:CN111914400B

主分类号:G06F30/20

分类号:G06F30/20;G06T17/00;G06N3/08

优先权:

专利状态码:有效-授权

法律状态:2023.01.03#授权;2020.11.27#实质审查的生效;2020.11.10#公开

摘要:本发明涉及一种基于多任务学习的HRRP特征提取方法,包括下列步骤:目标样本建模;获取目标样本HRRP:利用CST软件中的雷达距离像仿真模块,生成目标的全方位HRRP,仿真求解器为高频渐进求解器,远场频率为1Ghz;计算目标HRRP时间序列:基于目标全方位HRRP值,利用MATLAB时间序列计算程序,生成目标在不同轨迹下、含包括章动角、进动周期在内的不同微动信息的HRRP时间序列;利用MATLAB程序制作训练集;搭建基于多任务学习的特征提取系统。

主权项:1.一种基于多任务学习的HRRP特征提取方法,包括下列步骤:第一步:目标样本建模:根据实际需要,按1:1比例,利用CST三维全波电磁场仿真软件制作目标的3D模型,并对模型赋予物理属性,目标种类包含球、圆锥、锥柱、锥柱裙和圆柱;第二步:获取目标样本HRRP:利用CST软件中的雷达距离像仿真模块,生成目标的全方位HRRP,仿真求解器为高频渐进求解器,远场频率为1Ghz;第三步:计算目标HRRP时间序列:基于目标全方位HRRP值,利用MATLAB时间序列计算程序,生成目标在不同轨迹下、含包括章动角、进动周期在内的不同微动信息的HRRP时间序列;第四步:利用MATLAB程序制作训练集:以HRRP时间序列为训练数据,并附上时间序列对应目标的各项物理参数,包括种类、尺寸、角度、章动角、进动周期属性,作为数据特征,以此形成神经网络训练数据集,并划为测试集和训练集;第五步:搭建基于多任务学习的特征提取系统:基于PyTorch神经网络框架,所使用的神经网络结构分为1个基网络和若干子网络组成,子网络数目由要求系统提取的特征种类数目决定,基网络的网络结构采TCN神经网络结构,子网络为由三层感知机组成的简单神经网络结构,TCN神经网络结构包含残差连接和空洞因果卷积;利用梯度下降法训练神经网络参数,同时设置误差为特征提取系统的输出与多种特征标签的均方误差,使得特征提取系统能同时提取出时间序列对应目标的多种特征;第六步:基于PyTorch神经网络框架,基于测试集数据进行测试。

全文数据:

权利要求:

百度查询: 天津大学 基于多任务学习的HRRP特征提取方法

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。