技术特征：
1.一种基于神经网络的isar三维点云目标识别方法，其特征在于，包括：构建三维点云数据集，所述三维点云数据集包括isar三维点云和对应的目标型号；构建三维点云识别神经网络，并基于所述三维点云数据集进行训练，得到目标型号识别神经网络；获取未知型号目标的isar三维点云，利用所述目标型号识别神经网络识别得到目标型号；其中，构建三维点云数据集，包括：获取分布式阵列天线系统接收的不同型号目标的雷达回波数据生成并保存n通道isar图像；对所述n通道isar图像进行图像配准、幅相校正；基于幅相校正后的isar图像，经过俯仰向超分辨成像得到与目标型号对应的isar三维点云。2.根据权利要求1所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述对n通道isar图像进行图像配准、幅相校正，包括：在n通道的isar图像中分别找到对应的n个图像匹配的像素单元，并提取该像素单元的幅度与相位值，得到幅相校正量：其中，c
ref
为参考通道isar图像匹配像素单元的幅相值，c
i
为第i个通道isar图像匹配像素单元的幅相值，c
am,ph
是计算得到的幅相校正值，参考通道的c
am,ph
为1；根据计算得到的c
am,ph
，与n个通道的isar图像相乘得到幅相校正后的isar图像。3.根据权利要求1所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述基于幅相校正后的isar图像，经过俯仰向超分辨成像得到isar三维点云，包括：根据幅相校正后的isar图像，第n个雷达发射天线与接收天线构成的天线相位中心的雷达图像s
n
(x',r')表示为：其中，λ为波长，x'与r'表示距离多普勒(rd)单元坐标，f(x,r)为二位点散布函数，r
n
(r,s)表示第n个天线相位中到目标中心的距离；根据第n个雷达发射天线与接收天线构成的天线相位中心的雷达图像进行离散化得到：s＝aγ+β其中，s＝[s1,s2,...,s
n
]
t
表示n幅离散后的isar二维图像，s
n
表示第n幅isar二维图像，γ＝[γ1,γ2,...,γ
l
]
t
表示重建的isar三维点云，γ
l
表示第l个点的散射强度，l为isar三维点云中点的数量，b
⊥
ni
为目标的第i个散射点在垂直雷达视线方向与原点的距离，s
j
为第j个阵列雷达天线距离阵列中心的距离，β为高斯白噪声。4.根据权利要求1所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述三维点云识别神经网络包括：输入层、最大池化层、多层感知机；所述输入层，用于输入n个点数据，其中每个点数据均用三维坐标表示；
所述最大池化层，用于求解n个点数据在每个维度上的最大特征点；所述多层感知机，用于得到多个维度的特征向量以及用于得到k维度的类别向量；所述k维度的类别向量表示输入神经网络的三维点云分别属于k个类别的概率。5.根据权利要求4所述的基于神经网络的isar三维点云目标识别方法，其特征在于，根据n个点数据的三维坐标[batch,n,3]，将三维坐标的第二维度和第三维度进行调换，得到调换后的维度坐标：[batch,3,n]；再根据多层感知机进行变换，得到维度为[batch,1024,n]的特征向量；根据[batch,1024,n]的特征向量，通过多层感知机，得到各自k维度的类别向量。6.根据权利要求1所述的基于神经网络的isar三维点云目标识别方法，其特征在于，获取未知型号目标的isar三维点云，利用所述目标型号识别神经网络识别得到目标型号，包括：根据得到的n个通道的isar三维点云输入到训练好的三维点云识别网络进行特征提取，得到提取后的特征向量；根据提取后的特征向量，基于多层感知机进行识别，得到k个目标类型的概率，即得到目标型号。7.根据权利要求6所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述根据得到的n个通道的isar三维点云输入到训练好的三维点云识别网络进行特征提取，得到提取后的特征向量包括：isar三维点云表示为一个n
×
3的张量，其中n代表点云数量，3对应xyz坐标；再将输入的isar三维点云与点云识别网络中的转换矩阵相乘，并基于多次多层感知机与最大池化层对点云数据进行特征提取，得到最终的全局特征。8.根据权利要求3所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述离散化得到的天线相位中心的雷达图像包括：对迭代余量进行残差分解，残差表示为：其中，ε
k
第k个原子的残差，s为测量向量，a
k
为系数矩阵的第k行，为omp算法求解的结果向量的第k个元素；基于残差迭代后的分量，得到误差最佳的范围，从而确定误差的最小值。9.根据权利要求1所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述获取分布式阵列天线系统接收的不同型号飞机的雷达回波数据生成并保存n通道isar图像包括：获取分布式阵列天线系统接收的全部散射点的雷达回波数据，通过接收的全部散射点的雷达回波数据生成并保存n个通道的isar二维图像；根据得到的n个通道的isar二维图像，基于坐标变换以及多普勒算法，得到二维isar图像。10.根据权利要求9所述的基于神经网络的isar三维点云目标识别方法，其特征在于，所述获取分布式阵列天线系统接收的全部散射点的雷达回波数据，通过接收的全部散射点的雷达回波数据生成并保存n个通道的isar二维图像，包括：在t时刻，目标上的第p个散射点到雷达的距离r(t)表示为：
其中，r
m
为雷达到目标中心的距离，(x
′
p
,y
′
p
)为目标上第p个散射点在xo'y坐标系中的坐标；根据坐标变换，得到目标上l个散射点总的回波信号为：其中，rect()表示矩形窗函数，表示雷达脉冲内时间，j为虚数单位，λ表示波长，t表示时间。在基于回波信号得到二维isar图像。
技术总结
本发明涉及一种基于神经网络的ISAR三维点云目标识别方法，属于逆合成孔径雷达目标识别技术领域，解决了现有技术中目标识别中算法泛化能力差、模型复杂的问题。具体包括：构建三维点云数据集，所述三维点云数据集包括ISAR三维点云和对应的目标型号；构建三维点云识别神经网络，并进行训练，得到目标型号识别神经网络；通过训练好的识别神经网络对未知型号目标进行识别，得到目标型号；还包括：获取分布式阵列天线系统接收的不同型号目标的雷达回波数据生成并保存n通道ISAR图像；对图像进行图像配准、幅相校正以及经过俯仰向超分辨成像得到与目标型号对应的ISAR三维点云。实现了对于对空中目标(飞机)类型的高精度识别。空中目标(飞机)类型的高精度识别。空中目标(飞机)类型的高精度识别。
技术研发人员：梁兴东 李焱磊 张立奇 莘济豪 刘云龙 郭宇豪 王明明
受保护的技术使用者：中国科学院空天信息创新研究院
技术研发日：2022.12.29
技术公布日：2023/3/24