(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210566647.5 (22)申请日 2022.05.23 (71)申请人 中山大学 地址 510275 广东省广州市海珠区新港西 路135号 (72)发明人 张月　冯龙求　胡俊　陈曾平　 徐世友　 (74)专利代理 机构 深圳市创富知识产权代理有 限公司 4 4367 专利代理师 黄昌富 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06V 10/40(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 空中飞行目标分类识别方法、 装置及计算机 可读存储介质 (57)摘要 本申请公开了一种空中飞行目标分类识别 方法、 装置及计算机可读存储介质， 属于目标识 别技术领域。 该方法包括： 获取不同目标飞行的 原始多普勒数据， 对原始多普勒数据进行预处理 得到第一数据， 将第一数据输入至预设的第一神 经网络模型， 通过第一神经网络模 型对第一数据 进行特征提取处理， 得到频率分布特征， 将第一 数据输入至预设的编码器， 通过编码器对第一数 据进行特征提取处理， 得到时序特征， 将频率分 布特征和时序特征进行特征融合处理， 得到融合 特征， 将融合特征输入至预设的全连接层， 通过 全连接层对目标进行分类识别， 得到分类结果。 本申请能够自动提取目标特征， 并以此进行目标 识别， 有效提高了分类识别的准确性和泛化性 能。 权利要求书2页 说明书9页 附图7页 CN 114926683 A 2022.08.19 CN 114926683 A 1.一种空中飞行目标分类识别方法， 其特 征在于， 包括： 获取不同目标飞行的原 始多普勒数据； 对所述原 始多普勒数据进行 预处理得到第一数据； 将所述第一数据输入至预设的第 一神经网络模型， 通过所述第 一神经网络模型对所述 第一数据进行 特征提取处 理， 得到频率分布特 征； 将所述第一数据输入至预设的编码器， 通过所述编码器对所述第 一数据进行特征提取 处理， 得到时序特 征； 将所述频率分布特 征和所述时序特 征进行特征融合处 理， 得到融合特 征； 将所述融合特征输入至预设的全连接层， 通过所述全连接层对所述目标进行分类识 别， 得到分类结果。 2.根据权利要求1所述的方法， 其特征在于， 所述获取不同目标飞行的原始多普勒数 据， 包括： 接收阵元回波信号； 对所述阵元回波信号进行阵列校正， 得到多通道窄波 束； 对所述多通道窄波 束进行合成， 得到合成波 束； 对所述合成波束进行脉冲压缩， 得到初步数据； 利用恒虚警检测技 术对所述目标进行检测， 得到所述目标的存在状态； 根据所述初步数据和所述存在状态进行点迹 凝聚和航迹关联， 得到第二数据； 根据预设筛 选标准对所述第二数据进行筛 选， 得到所述原 始多普勒数据。 3.根据权利要求1所述的方法， 其特征在于， 所述对所述原始多普勒数据进行预处理得 到第一数据， 包括： 对所述原 始多普勒数据进行归一 化取模处 理， 得到所述第一数据。 4.根据权利要求1所述的方法， 其特征在于， 在所述将所述第 一数据输入至预设的第 一 神经网络模型， 通过所述第一神经网络模型对所述第一数据进行特征提取处理， 得到频率 分布特征之前， 还 包括： 构建卷积神经网络模型； 获取所述目标飞行的样本数据， 并对所述样本数据进行 预处理， 得到第一样本数据； 根据所述第一样本数据训练所述卷积神经网络模型， 得到所述第一神经网络模型。 5.根据权利要求4所述的方法， 其特征在于， 所述根据所述第 一样本数据训练所述卷积 神经网络模型， 得到所述第一神经网络模型， 包括： 将所述第一样本数据输入至所述卷积神经网络模型进行 预测， 得到预测结果； 根据所述预测结果和所述第一样本数据对应的标签对所述卷积神经网络模型的损失 函数进行计算， 得到损失值； 根据所述损失值对所述卷积神经网络模型的模型参数进行优化， 得到所述第 一神经网 络模型。 6.根据权利要求1至5任一项所述的方法， 其特征在于， 所述将所述第一数据输入至预 设的编码器， 通过 所述编码器对所述第一数据进行 特征提取处 理， 得到时序特 征， 包括： 对所述第一数据进行词嵌入处 理， 得到第一嵌入向量； 将所述第一嵌入向量和与对应的预设位置编码相加， 得到第二嵌入向量；权　利　要　求　书 1/2 页 2 CN 114926683 A 2根据所述第二嵌入向量和多头注意力机制计算所述第一嵌入向量对应的注意力分数； 对所述注意力分数进行归一 化处理得到注意力权 重系数； 对所述注意力权 重系数进行加权求和得到注意力分配概 率分布数值； 将所述注意力分配概率分布数值和所述第 二嵌入向量结合后， 输入至预设前馈神经网 络模型进行 特征提取处 理， 得到所述时序特 征。 7.根据权利要求1所述的方法， 其特征在于， 所述将所述频率分布特征和所述 时序特征 进行特征融合处 理， 得到融合特 征， 包括： 采用特征拼接的方式将所述频率分布特 征和所述时序特 征进行融合， 得到融合特 征。 8.根据权利要求1所述的方法， 其特征在于， 在所述将所述频率分布特征和所述时序 特 征进行特征融合处 理， 得到融合特 征之后， 还 包括： 对所述融合特 征采取随机失活 处理， 得到新的所述融合特 征； 将新的所述融合特征输入至所述全连接层， 通过所述全连接层对所述目标进行分类识 别， 得到新的所述分类结果。 9.一种空中飞行目标分类识别装置， 其特 征在于， 包括： 数据获取模块， 用于获取不同目标飞行的原 始多普勒数据； 预处理模块， 用于对所述原 始多普勒数据进行 预处理得到第一数据； 第一特征提取模块， 用于将所述第一数据输入至预设的第一神经网络模型， 通过所述 第一神经网络模型对所述第一数据进行 特征提取处 理， 得到频率分布特 征； 第二特征提取模块， 用于将所述第一数据输入至预设的编码器， 通过所述编码器对所 述第一数据进行 特征提取处 理， 得到时序特 征； 特征融合模块， 用于将所述频率分布特征和所述时序特征进行特征融合处理， 得到融 合特征； 分类识别模块， 用于将所述融合特征输入至预设的全连接层， 通过所述全连接层对所 述目标进行分类识别， 得到分类结果。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机可 执行指令， 所述计算机可 执行指令用于使计算机执 行如权利要求1至8任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114926683 A 3