基于紅外探測的空間目標識別技術(shù)在導(dǎo)彈防御系統(tǒng)中占據(jù)重要位置,對于國家的安全具有重大意義。在人工智能快速發(fā)展和智能化作戰(zhàn)的需求下,基于數(shù)據(jù)驅(qū)動建立智能的識別系統(tǒng),實現(xiàn)自動目標識別是當下急需解決的問題。本課題以紅外目標識別任務(wù)為背景,針對識別系統(tǒng)存在的難點問題,開展了基于深度卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks,CNNs）的空間紅外目標識別研究。論文主要圍繞以下四個方面展開:第一,空間目標的紅外輻射強度序列模型研究。分別從空間目標的溫度模型、軌道運動以及投影面積模型三個方面對空間目標進行分析與建模。根據(jù)目標微動動力學(xué)模型,通過歐拉角表示,建立了慣量參數(shù)與微動周期之間的數(shù)學(xué)描述,分析了目標慣量參數(shù)對姿態(tài)運動方式以及紅外輻射強度序列的影響。進一步探討了影響目標輻射強度序列變化的主要因素,仿真生成了目標的輻射強度序列,為后續(xù)研究提供理論依據(jù)和數(shù)據(jù)基礎(chǔ)。第二,基于多尺度卷積神經(jīng)網(wǎng)絡(luò)（MCNN）的目標輻射強度序列分類研究。針對遠距離探測強噪聲水平下的目標分類問題,提出一種多尺度卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。網(wǎng)絡(luò)結(jié)合多時間尺度和多頻率尺度變換,通過局部卷積和完全卷積,使得底層特... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：133 頁

【學(xué)位級別】：博士

【部分圖文】：

導(dǎo)彈防御系統(tǒng)

國防科技大學(xué)研究生院博士學(xué)位論文第4頁實現(xiàn)空間目標的可靠判決對于精分類模塊的要求較高，用于識別的特征必須是能區(qū)分不同目標的本質(zhì)特征；同時要求采用多模態(tài)分類器設(shè)計，通過不同層次的信息進行融合以保證識別算法的可靠性和穩(wěn)定性。圖1.4點目標成像由于空間攔截交戰(zhàn)過程中所獲得的目標特征是隨交戰(zhàn)時間動態(tài)變化的，并且受探測器性能的限制，遠距離的目標（彈頭、誘餌等）在探測器成像平面上成像面積小于一個像元而被稱為點目標，如圖1.4所示。此時對于觀測者而言，能夠利用的信息十分有限，無法獲取目標的外形和基本結(jié)構(gòu)等重要信息。但經(jīng)過一段時間的觀測可以得到目標輻射強度隨時間變化的輻射強度序列。研究發(fā)現(xiàn)，目標紅外輻射強度序列波動起伏的幅度、頻率等能反映出空間目標的運動特征和物理屬性，可以用于區(qū)分和辨識不同的目標類型。因此，大部分空間紅外點目標識別的研究主要基于目標的輻射強度序列展開。1.2.2空間目標紅外特性分析目標紅外特性分析對于目標識別是必不可少的一個環(huán)節(jié)，分析的主要目的是為后續(xù)識別算法的設(shè)計提供依據(jù)。通過分析目標的主要特性或規(guī)律，進一步獲取目標特性與紅外輻射序列之間的關(guān)系是本課題的研究重點。目前，對于空間目標的紅外特性分析方法主要分為兩種：1）實驗測量分析。通過在不同場景下進行飛行實驗，獲取觀測數(shù)據(jù)，對其進行分析，確定目標特性與紅外輻射強度序列之間的關(guān)系。采用實驗測量的方法通常具有較高的可靠性和準確性，但由于代價昂貴，試驗次數(shù)受限，對于目標特性的分析無法涵蓋復(fù)雜多變的戰(zhàn)場環(huán)境；2）計算機仿真分析。這是常用的分析手段，通過理論分析建立目標的觀測模型，基于觀測模型借助計算機仿真分析目標特征與其紅外輻射強度序列之間的對應(yīng)關(guān)系和變化規(guī)律。最后，采用實測

國防科技大學(xué)研究生院博士學(xué)位論文第9頁先，彈道目標識別系統(tǒng)對于識別算法的精度要求高，進行誤判的代價極大，同時由于遠距離探測，獲取的信息較少，受探測器噪聲污染嚴重，因此要求網(wǎng)絡(luò)需要具備穩(wěn)定的識別性能，能夠?qū)W習(xí)到穩(wěn)健的特征表達。其次，在空間紅外目標分類應(yīng)用中，能夠獲取目標數(shù)據(jù)有限，樣本集的完備性很難得到滿足。由于對問題理解的局限性和實際應(yīng)用中的復(fù)雜性，很難精確、完整地定義訓(xùn)練樣本集，網(wǎng)絡(luò)如何實現(xiàn)有限數(shù)據(jù)條件下的特征學(xué)習(xí)，擺脫大規(guī)模訓(xùn)練樣本的依賴。這些問題均有待進一步的研究。1.2.4.3注意力模型對于深度網(wǎng)絡(luò)的可解釋性問題，目前主要通過可視化的方法進行解釋，此外，注意力模型提供了一種重要的思路。注意力模型受人類視覺的選擇性注意力機制啟發(fā)，能夠以“低分辨率”的方式感知周圍的圖像，以“高分辨率”的方式集中在圖像的某個區(qū)域，隨著時間的推移調(diào)整焦點，以從眾多信息中選擇出對當前任務(wù)最關(guān)鍵的信息。通過可視化注意力模型的輸出，能夠在一定程度上理解網(wǎng)絡(luò)關(guān)注了哪些信息。便于理解在模型輸出過程中輸入序列中的信息是如何影響最后生成序列的。有助于更好地理解模型的內(nèi)部運作機制以及對一些特定的輸入-輸出進行調(diào)試。圖1.5Attention機制的發(fā)展近來，結(jié)合注意力機制（Attention）的深度網(wǎng)絡(luò)引起了廣泛的關(guān)注。圖1.5表示了Attention研究的大致發(fā)展歷程。Attention機制最早在圖像領(lǐng)域被提出，Googlemind團隊[148]于2014年提出了結(jié)合注意力機制的RNN進行圖像分類。通過注意力去選擇性學(xué)習(xí)圖像中需要處理的部分，即當前狀態(tài)會根據(jù)前一個狀態(tài)學(xué)習(xí)得到的關(guān)注位置和當前輸入的圖像，去處理注意力部分像素，減少了需要處理的信息量，能夠有效降低了任務(wù)的復(fù)雜度。隨后，Bahdanau等人[149]將注意力機制引

【參考文獻】：
期刊論文
[1]Micro-motion dynamics analysis of ballistic targets based on infrared detection[J]. Junliang Liu,Yanfang Li,Shangfeng Chen,Huanzhang Lu,Bendong Zhao.  Journal of Systems Engineering and Electronics. 2017(03)
[2]Convolutional neural networks for time series classification[J]. Bendong Zhao,Huanzhang Lu,Shangfeng Chen,Junliang Liu,Dongya Wu.  Journal of Systems Engineering and Electronics. 2017(01)
[3]Infrared modeling and imaging simulation of midcourse ballistic targets based on strap-down platform[J]. Changzhen Qiu,Zhiyong Zhang,Huanzhang Lu,Kaifeng Zhang.  Journal of Systems Engineering and Electronics. 2014(05)
[4]Exo-atmospheric target discrimination using probabilistic neural network[J]. 王暕來,楊春玲.  Chinese Optics Letters. 2011(07)
[5]中段彈道目標群的紅外成像仿真研究[J]. 林兩魁,謝愷,徐暉,安瑋.  紅外與毫米波學(xué)報. 2009(03)
[6]大氣層外彈道式目標紅外特征的數(shù)值分析(英文)[J]. 張駿,王一程,呂相銀,楊華.  紅外與激光工程. 2008(05)
[7]目標與場景的紅外特性建模與仿真軟件的發(fā)展[J]. 范晉祥,岳艷軍.  紅外與激光工程. 2008(S2)
[8]空間目標進動特性及在雷達識別中的應(yīng)用[J]. 劉永祥,黎湘,莊釗文.  自然科學(xué)進展. 2004(11)

博士論文
[1]基于紅外輻射強度序列的空間目標姿態(tài)和形狀快速反演技術(shù)研究[D]. 毋亞北.國防科技大學(xué) 2017
[2]光學(xué)圖像末制導(dǎo)中的點目標檢測與識別算法研究[D]. 張兵.國防科學(xué)技術(shù)大學(xué) 2005



本文編號：3466732