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

【发明公布】一种对HRRP序列进行空间目标分类的方法和系统_中国人民解放军空军预警学院_202211599022.5 

申请/专利权人:中国人民解放军空军预警学院

申请日:2022-12-14

公开(公告)日:2023-05-09

公开(公告)号:CN116091854A

主分类号:G06V10/77

分类号:G06V10/77;G06V10/80;G06V10/82;G06N3/08;G06N3/0464

优先权:

专利状态码:有效-授权

法律状态:2023.09.22#授权;2023.05.23#实质审查的生效;2023.05.09#公开

摘要:本发明提供一种对HRRP序列进行空间目标分类的方法和系统,包括HRRP序列输入、基于浅层特征提取模块对空间目标对象细粒度特征进行提取,并完成特征图结构向token结构转换、基于时空特征提取模块对空间目标对象的时‑空特征、全局‑局部特征进行提取和融合、空间目标对象分类输出;该方法能够有效的利用HRRP序列实现空间目标识别,即便HRRP序列是缺失的;考虑到HRRP序列数据蕴含空间目标的微动特征和结构特征,设计了由Transformer和卷积神经网络构成的双分支并行模块,能够有效保留缺失HPPR序列数据间的长距离依赖关系,且在捕获全局特征的同时不会丢失目标的局部特征。

主权项:1.一种对HRRP序列进行空间目标分类的方法,其特征在于,包括以下步骤:S1、HRRP序列输入;S2、基于浅层特征提取模块对空间目标对象细粒度特征进行提取,并完成特征图结构向token结构转换,送入步骤S3;所述浅层特征提取模块包括卷积嵌入和位置信息嵌入;S2.1、所述卷积嵌入,提取空间目标对象的细粒度特征,送入步骤S3.1和步骤S2.2;S2.2、所述位置信息嵌入,生成特征图并将特征图结转换为token结构并添加分类标记,送入S3.2;S3、基于时空特征提取模块对空间目标对象的时-空特征、全局-局部特征进行提取和融合,送入S4;S3.1、基于CNN的局部特征提取分支提取空间目标对象的局部特征,将局部特征送入下一个局部特征提取分支和桥接分支,基于步骤S3.3将局部特征进行语义对齐和融合;S3.2、基于稀疏自注意力的全局特征提取分支提取空间目标对象的全局特征,基于步骤S3.3与步骤S3.1提取的局部特征进行融合;S3.3、特征桥接分支,完成局部特征向全局特征的语义对齐,融合局部特征和全局特征,并送入下一个全局特征提取分支,直到最后一次融合终止,送入S4;S4、空间目标对象分类输出;S4.1、分离并提取分类标记;S4.2、送入分类器,计算分类概率,输出类别。

全文数据:

权利要求:

百度查询: 中国人民解放军空军预警学院 一种对HRRP序列进行空间目标分类的方法和系统

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。