CN116304701B 基于条件去噪扩散概率模型的hrrp样本生成方法 （西安电子科技大学）

基于条件去噪扩散概率模型的HRRP样本生本发明公开了一种基于条件去噪扩散概率网络模块包括下采样层、跳跃连接层和上采样方位角信息，可以生成指定方位角下的HRRP样2构建条件去噪扩散概率模型，并设置参数；其中，所述根据所述小样本训练集，训练所述条件去噪扩散概率模型，得到训根据训练好的条件去噪扩散概率模型的参数初始化所述条件去噪扩从正态分布中随机产生个噪声样本，并随机产生噪声样本对应的类别标签和方位2.根据权利要求1所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在在雷达视线上沿着距离维的雷达回波中，提取多个类别、覆盖多使用平均分帧法将每个类别的HRRP样本分为多个方位帧，并且将类将所有的HRRP样本、以及HRRP样本对应的类别标签和方位3.根据权利要求2所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在获取散射点不发生越距离单元徙动的最大角度，根据该最大角度对HRR;4.根据权利要求1所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在下采样层和第五下采样层，所述第一下采样层的输出端连接所述第二下采样层的输入端，3所述跳跃连接层的输入端与所述第五下采样层的输出端连接，所述5.根据权利要求4所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在一化层、SiLU函数和卷积层，所述卷积模块二包括依次设置的组归一化层、SiLU函数、6.根据权利要求5所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在;sigmoid(-)为激活函数ReLU函数。7.根据权利要求1所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在使用均方差损失函数，计算实际噪声与预测噪声之间的损失；8.根据权利要求7所述的基于条件去噪扩散概率模型的HRRP样本生成方法，其特征在;4;为小样本训练集中采样得到的一组HRRP样本，y为该组HRRP样本对应的类别标签向量，Z5[0002]雷达高分辨率距离像(HighResolutionRangeProfile，HRRP)是指在宽带雷达6[0014]图1是本发明实施例提供的基于条件去噪扩散概率模型的HRRP样本生成方法的一公开了一种基于最小二乘生成对抗网络LSGAN(LeastSquaresGenerativeAdversarialNetworks)和卷积神经网络CNN(ConvolutionalNeuralNetwork)的HRRP识别数据库样本据进行识别数据库样本扩充后训练的分类系统的识别于解决利用LSGAN和CACGAN网络进行HRRP识别数据库样本扩充时，HRRP样本的方位角不完[0021]请参见图1～图2所示，图1是本发明实施例提供的基于条件去噪扩散概率模型的7[0032]将小样本训练集中类别序号为1的每个HRRP样本的类别标签记为y1，将类别序号为2的每个HRRP样本的类别标签记为y2，以输出端连接第三下采样层的输入端，第三下采样层的输出端连接第四下采样层的输入端，8[0046]本实施例中，请继续参见图2所示，将特征图输入构建好的条件去噪扩散概率模90为小样本训练集中采样得到的一组HRRP样本，y为该组HRRP样本对应的类别标签向[0056]S1041、根据训练好的条件去噪扩散概率模型的参数初始化所述条件去噪扩散概[0060]综上所述，本发明提供的一种基于条件去噪扩散概率模型的[0065]本实施例的仿真实验1是利用本发明生成指定方位角的HRRP数据，利用生成的得到训练好的CNN分类器；将本实施例仿真实验生成的测试集的样本分别输入到训练好的[0066]本实施例中的仿真实验中所用的识别数据库和训练集均为5类飞机的HRRP电磁仿[0067]本实施例的仿真实验1是利用本发明的样本扩充方法生成HRRP数据得到本发明生类器识别系统的一种结构示意图。将第一至第三卷积层的特征映射图数目分别设置为32、分别计算两个CNN分类器对测试集中每个样本预测的类别与该样本的类别相符的测试样本