CN114740441B 一种基于小样本的低慢小目标雷达回波识别方法 （四川九洲电器集团有限责任公司）_第1页
CN114740441B 一种基于小样本的低慢小目标雷达回波识别方法 （四川九洲电器集团有限责任公司）_第2页
CN114740441B 一种基于小样本的低慢小目标雷达回波识别方法 （四川九洲电器集团有限责任公司）_第3页
CN114740441B 一种基于小样本的低慢小目标雷达回波识别方法 （四川九洲电器集团有限责任公司）_第4页
CN114740441B 一种基于小样本的低慢小目标雷达回波识别方法 （四川九洲电器集团有限责任公司）_第5页
已阅读5页，还剩14页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种基于小样本的低慢小目标雷达回波识本发明公开了一种基于小样本的低慢小目网络的多头注意力机制的记忆增强模块和相似2采集雷达回波数据，构建低慢小目标雷达回波数据库；对采集通过构建小样本带标签数据集M((xi,yi)∈M)，输入一个未知雷达回波信号输出的分i表示xi的标签；构建雷达回波识别网络模型，所述雷达回波识别网络模型包括残差网络特征提取模所述融合双向长短记忆网络的多头注意力机制的记忆增强模块忆网络和多头注意力机制进行有机结合，通过多步双向长短记忆网络进行共有特征提取，将多步双向长短记忆网络的输出作为多头注意力所述残差网络特征提取模块是采用3个残差结构进行堆叠构建形成一个10层的残差网k＝dv＝dmodel/h，h为自注意力的头通过卷积神经网络提取特征及将样本映射到高维度量空间，在所所述卷积神经网络的目标是克服难易样本不均衡，最大化预测测试2.根据权利要求1所述的一种基于小样本的低慢小目标雷达回波识别方法，其特征在34[0009]进一步优选，所述残差网络特征提取模块是采用3个残差结构进行堆叠构建形成将多步双向长短记忆网络(bi-LSTM)和多头注意力机制进行有机结合，通过多步双向长短记忆网络进行共有特征提取，将多步双向长短记忆网络的输出作为多头注意力机制的输56[0035]此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部7[0055](1)残差网络特征提取模块是采用3个残差结构进行堆叠构建形成一个10层的残[0056](2)融合多步长短记忆网络的多头注意力机制的记忆增强模块，是将多步双向长短记忆网络(bi-LSTM)和多头注意力机制相结合学习样本之间的共有特征，在强表示性的记忆网络(bi-LSTM)进行共有特征提取，将多步双向长短记忆网络的输出作为多头注意力次实施中采用余弦距离计算样本间的相似度，当向量a(x11,x12,x13,...,x1n)和b(x21,x22,89

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论