技术特征：
1.一种基于不确定性和数据拒判的雷达目标分类方法，其特征在于，构建卷积神经网络，利用生成的具有不确定性表示能力的损失函数训练卷积神经网络；该方法的具体步骤包括如下：步骤1，生成训练集：步骤1.1，将雷达接收到的至少有两种不同类别的雷达回波与其对应类别标签组成样本集；步骤1.2，依次利用重心对齐方法、二范数归一化方法，对样本集中的每一个hrrp雷达回波做数据预处理，将预处理处理后的样本集作为训练集；步骤2，构建卷积神经网络：步骤2.1，搭建一个17层的卷积神经网络，其结构依次为：第一卷积层、第一bn层、第一激活层、第一池化层、第二卷积层、第二bn层、第二激活层、第二池化层、第三卷积层、第三bn层、第三激活层、第三池化层、第四卷积层、第四bn层、第四激活层、第四池化层、全连接层；其中全连接层为分类层，其余层为特征提取层部分；步骤2.2，将第一至第四卷积层的卷积核大小均设置为9，卷积核的个数依次设置为32，64，128，128，第一至第四激活层均采用relu的激活函数实现，第一至第四池化层均设置为最大值池化，全连接层输出节点数设置为k，k代表飞机目标的类别总数；步骤3，生成具有不确定性表示能力的损失函数如下：其中，n代表训练集中样本的总数，i表示训练集中样本的编号，α
i
代表训练集中第i个样本对应的狄利克雷分布参数，λ与μ代表权重系数，λ与μ为在[0,1]范围内任意选取的一个数，u
i
代表训练集中第i个样本对应的雷达回波不确定性指标，l
ace
(
·
)代表借助狄利克雷分布产生不同的雷达回波结果，以此建模雷达回波结果的不确定性指标的损失函数，l
euc1
(
·
)代表借助kl散度更好的建模雷达回波结果的不确定性指标的损失函数，l
euc2
(
·
)代表将u
i
融入平方项损失函数中，借助对分对以及分错的训练雷达回波采取不同的操作以此拉开低质量雷达回波与高质量雷达回波之间的差距的损失函数；步骤4，利用生成的具有不确定性表示能力的损失函数训练卷积神经网络；步骤5，处理待测试雷达回波；步骤5.1，将高分辨率雷达实时接收的一个目标hrrp回波信号作为测试雷达回波；步骤5.2，采用与步骤1.2相同的方法，处理实时接收到的hrrp信号，得到处理后的测试雷达回波；步骤6，计算处理后的测试雷达回波不确定性指标；步骤6.1，将处理后的测试雷达回波输入到训练好的卷积神经网络中，由该网络的全连接层输出证据向量；步骤6.2，计算测试雷达回波的不确定性指标；步骤7，判断测试雷达回波的不确定性指标是否大于阈值0.5，若是，则执行步骤8，否则，执行步骤9；步骤8，将测试雷达回波作为受到污染的低质量雷达回波信号，拒判该测试雷达回波；步骤9，将处理后的测试雷达回波证据向量中最大值对应的类别作为该测试雷达回波
的目标分类结果。2.根据权利要求1所述的基于不确定性和数据拒判的雷达目标分类方法，其特征在于，步骤3中所述建模雷达回波结果的不确定性指标的损失函数如下：其中，k为雷达回波类型的总数，y
i
为训练集中第i个样本对应的类别标签独热向量，y
ij
代表y
i
中第j个元素对应的值，代表双伽马函数，s
i
代表训练集中第i个样本对应的狄利克雷参数总和，α
ij
代表α
i
中第j个元素对应的值。3.根据权利要求2所述的基于随机森林和数据拒判的地面目标分类方法，其特征在于，步骤3中所述更好的建模雷达回波结果的不确定性指标的损失函数如下：其中，代表训练集中第i个样本对应的雷达回波网络预测的类别标签独热向量，kl[
·
]代表kullback-leibler散度函数，代表训练集中第i个样本对应的掩膜狄利克雷分布参数，
⊙
代表向量点乘操作，d(p
i
|α
i
)以及d(p
i
|1)分别代表以α
i
与k维全1向量为参数的狄利克雷分布。4.根据权利要求3所述的基于随机森林和数据拒判的地面目标分类方法，其特征在于，步骤3中所述借助对分对以及分错的训练雷达回波采取不同的操作以此拉开低质量雷达回波与高质量雷达回波之间的差距的损失函数如下：其中，u
i
代表训练集中第i个样本对应的雷达回波的不确定性指标，
技术总结
本发明公开了一种基于不确定性和数据拒判的雷达目标分类方法，其实现步骤是：构建训练集而后利用生成的具有不确定性表示能力的损失函数训练卷积神经网络；处理待测试雷达回波；计算处理后的测试雷达回波不确定性指标；判断测试雷达回波是否拒判；若拒判，则将测试雷达回波样本作为受到污染的低质量雷达回波信号；若不拒判，输出该测试雷达回波的目标分类结果。本发明拒判杂波、欺骗式干扰等低质量雷达回波信号，提升了雷达自动识别系统的分类识别率。同时采用不确定性指标作为拒判准则相较于其他拒判方法，更为有效的辨别低质量雷达回波。回波。回波。
技术研发人员：杜兰 尹林伟 陈健 李晨 周宇
受保护的技术使用者：西安电子科技大学
技术研发日：2022.11.29
技术公布日：2023/3/28