买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中安锐达(北京)电子科技有限公司

摘要：本发明公开了一种基于扑翼变换频率的飞鸟动态目标检测方法及系统，解决了现有方法对具有复杂结构以及精细特征的低速目标物，难以提取更鲁邦的飞行物特征表示，限制了RCS回波信号分析效果的问题，方法包括：对收集到的目标物原始样本数据特征处理，得到样本扩展优化向量；预构建基于无监督领域自适应算法以及扑翼变换频率的目标检测模型，目标检测模型对目标物姿态数据进行目标探测；本发明通过预构建基于无监督领域自适应算法以及扑翼变换频率的目标检测模型，并对飞行目标物的目标物原始样本数据进行级联降噪预处理，从而得到更鲁邦的飞行物特征表示，从而增强目标检测模型的识别分析能力，保证了目标物的动态识别精度。

主权项：1.一种基于扑翼变换频率的飞鸟动态目标检测方法，其特征在于，所述基于扑翼变换频率的飞鸟动态目标检测方法包括：基于探测雷达系统收集不同飞行姿态下的飞行目标物原始样本数据，所述目标物原始样本数据包括扑翼变换关联数据、样本回波幅度、样本飞行速度、样本飞行高度、样本轨迹特征、样本坐标信息、样本识别结果、样本跟踪结果，对收集到的目标物原始样本数据特征处理，得到样本扩展优化向量；获取样本扩展优化向量，将样本扩展优化向量分为训练集和测试集，预构建基于无监督领域自适应算法以及扑翼变换频率的目标检测模型，对目标检测模型进行迭代训练，利用微调机制对目标检测模型进行学习率以及参数微调，完成模型迭代训练，采用测试集验证目标检测模型的精度；基于探测雷达系统实时获取目标物姿态数据，对目标物姿态数据进行预处理，以目标物姿态数据为输入，目标检测模型对目标物姿态数据进行目标探测，得到第一检测结果；所述对目标检测模型进行迭代训练的方法，具体包括：获取训练集，将训练集中样本扩展优化向量输入目标检测模型的主干网络中，主干网络基于多层位移感知机制对样本扩展优化向量进行扩张卷积，扩张卷积结果表示为： （4）公式（4）中，为扩张卷积结果，为主干网络重卷积核的大小，为扩张卷积因子，为主干网络的卷积感受野； （5）公式（5）中，为主干网络重卷积核的大小，为扩张卷积因子，为卷积核层数；获取扩张卷积结果，自适应融合域特征器提取扩张卷积结果中正样本特征和负样本特征，特征提取层采用滤波函数对正样本特征执行局部特征提取工作，其中，滤波函数表示为： （6）其中，为滤波函数对正样本特征执行局部特征提取后的局部特征向量，为滤波器的尺寸，为扩张卷积结果的向量行数，为扩张卷积结果的向量维度，为特征提取层激活函数，为滤波函数偏置项； （7）其中，为模型学习率，为扩张卷积结果的一阶矩变量，为扩张卷积结果的二阶矩变量，为样本数量；将局部特征向量相加，基于非线性激活函数得到局部特征向量的改进通道注意力权重，并将改进通道注意力权重与局部特征向量进行点乘，生成基于无监督领域自适应算法的自适应特征图；自定义目标检测器的损失函数，使用损失函数对目标检测模型进行迭代训练，测试目标检测模型的预测损失率，判断预测损失率是否符合预设损失阈值，若预测损失率符合预设损失阈值，完成模型迭代训练，采用测试集验证目标检测模型的精度，若符合目标检测模型的精度，输出目标检测模型，若预测损失率不符合预设损失阈值，利用微调机制对目标检测模型进行学习率以及参数微调；所述目标检测模型对目标物姿态数据进行目标探测的方法，具体包括：获取预处理后的目标物姿态数据，主干网络基于多层位移感知机制对目标物姿态数据进行扩张卷积，得到姿态扩张结果；加载姿态扩张结果，提取姿态扩张结果中正目标特征和负目标特征，采用滤波函数对正目标特征执行局部特征提取工作；基于非线性激活函数得到局部特征向量的改进通道注意力权重，将注意力权重引入欧拉角转四元数算法，得到基于扑翼变换频率的自适应特征图；其中，非线性激活函数为tanh学习函数，注意力权重计算公式为： （8）公式（8）中为注意力权重，为局部特征向量基于tanh学习函数构建的权重矩阵，为权重偏置系数，为学习函数；其中，将注意力权重引入欧拉角转四元数算法时，基于注意力权重修正局部特征向量四元数向量，得到修正扑翼频率向量；修正扑翼频率向量表示为： （9）其中，为修正扑翼频率向量，为目标物仰角修正向量，为目标物频率修正向量，为目标物速度修正向量；修正扑翼频率向量计算公式为： （10）其中，为扑翼校正系数，分别为仰角修正向量注意力权重、频率修正向量注意力权重、速度修正向量注意力权重，分别为目标物仰角四元数，目标物频率四元数，目标物速度四元数，对修正扑翼频率向量进行拼接后输入到无监督融合层进行无监督领域自适应融合，得到自适应特征图。

全文数据：

权利要求：

百度查询： 中安锐达(北京)电子科技有限公司 一种基于扑翼变换频率的飞鸟动态目标检测方法及系统