本技术介绍了一种利用多源信息特征级融合技术对舰船进行分类的方法。该方法首先收集舰船目标的高分辨率雷达剖面(HRRP)和合成孔径雷达(SAR)数据,接着对HRRP数据进行预处理,以生成两种格式的HRRP数据,进而实现舰船目标的有效分类。
背景技术
高分辨距离像(High Range Resolution Profile,HRRP)是用宽带雷达信号获取的目标散射点子回波在雷达射线方向上投影的向量和,包含了丰富的目标结构特征,如目标大小、散射体分布等。由于易获取、易存储和易处理等特点,HRRP目标识别受到了雷达目标识别界的高度关注。HRRP目标识别方法由传统方法逐渐发展到基于数据驱动的深度学习方法,尽管深度网络模型在部分HRRP识别研究上取得优异成果,但其过于依赖样本数据,当样本数据质量较差时,其识别性能甚至不及传统方法。因此,充分结合深度算法和传统算法的优点,在现有深度网络模型基础上,融入目标机理特性,将数据与知识进行联合驱动,对解决当前方法存在的局限性尤为重要。合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是雷达自动目标识别技术的发展,由于SAR具有全天候和远距离的感知能力,因此对目标SAR图像进行有效的特征提取在目标检测与识别等领域都发挥着重要作用。面对海量的SAR数据,迫切需要对SAR目标进行识别,SAR目标识别问题同样受到国内外的广泛关注。当前雷达自动目标识别通常只使用单一类型的高分辨率雷达信号,尽管在各自单模态识别领域的研究都取得了相应进展,但识别精度和性能均有限,对于少量不完备样本的非合作目标识别还存在较大问题。因此,将不同来源的数据进行融合,充分挖掘各自独立的信息对雷达目标识别具有重大意义。
实现思路