基于多光谱温度特征的无人机反制目标损伤状态评估方法

摘要: 本发明涉及多光谱探测,更具体的说是涉及一种基于多光谱温度特征的无人机反制目标损伤状态评估方法。背景技术:1、由于无人机在军事侦察、低空突防、目标监视等场景中的广...
基于多光谱温度特征的无人机反制目标损伤状态评估方法

本发明涉及多光谱探测,更具体的说是涉及一种基于多光谱温度特征的无人机反制目标损伤状态评估方法。

背景技术:

1、由于无人机在军事侦察、低空突防、目标监视等场景中的广泛应用,远距离反无人机及反制效能评估在军事防护领域具有重要应用价值。例如,在激光反无人机场景中,可通过多光谱探测设备获取无人机目标受激光作用后的多谱段光谱响应信号,并利用目标温度变化判断其是否发生损伤。由于远距离探测时目标辐射信号较弱,采集信号易受大气衰减、背景辐射、杂散光和探测器噪声等因素影响,导致信噪比较低,给后续温度反演和损伤状态判断带来困难。

2、现有方法在远距离多光谱辐射测温过程中,通常是对采集到的原始多谱段光谱响应信号进行直接处理和温度反演,主要考虑光谱响应与目标温度之间的数学关系,缺少对远距离探测条件下杂散光、背景辐射、大气衰减和探测器噪声等复杂干扰因素的有效抑制。由于无人机目标尺寸较小、作用距离较远,探测器接收到的目标有效辐射信号较弱,采集到的多光谱信号信噪比较低。若直接将含噪多光谱信号用于温度反演,容易造成反演温度偏差较大,进而影响无人机受激光作用后损伤状态判断的准确性。此外,现有方法多侧重于温度反演算法本身,对反演前的低信噪比光谱信号增强和目标有效辐射响应重构研究不足,难以充分挖掘含噪光谱信号中的有效目标信息,不能很好满足远距离激光反无人机场景下实时、稳定、可靠的损伤效能评估需求。

3、因此,如何实现面向远距离低信噪比条件下的多光谱信号增强与温度准确反演,进而提高无人机损伤状态判断的可靠性,是本领域技术人员亟需解决的问题。

技术实现思路

1、鉴于上述问题,本发明提出了一种基于多光谱温度特征的无人机反制目标损伤状态评估方法,以便克服上述问题或者至少部分地解决上述问题。

2、为了实现上述目的,本发明采用如下技术方案:

3、基于多光谱温度特征的无人机反制目标损伤状态评估方法,包括以下步骤:

4、s1、构建混合多光谱信号样本集;

5、s2、利用样本集对预先构建的目标有效辐射响应重构网络进行训练,训练时,以归一化混合多光谱信号和强度尺度信息作为输入,以重构有效辐射响应作为输出,并构建辐射一致性损失函数对输出进行约束;

6、s3、采集某一已知目标的混合多光谱信号和对应的真实温度,基于训练好的目标有效辐射响应重构网络对采集的混合多光谱信号进行进行重构,得到已知目标的重构有效辐射响应;

7、s4、将已知目标的重构有效辐射响应输入预先构建的自校准温度反演网络,输出初始预测温度,以真实温度作为监督标签,对初始预测温度进行迭代修正,直至满足预设的物理一致性损失;

8、s5、将待测目标的混合多光谱信号输入训练好的目标有效辐射响应重构网络,得到待测目标的重构有效辐射响应;将待测目标的重构有效辐射响应输入自校准温度反演网络,得到待测目标的反演温度;

9、s6、根据反演温度对待测目标的损伤状态进行判断。

10、进一步的,s1包括:

11、在预设波长范围内采样不同波长,并在符合正态分布的预设目标温度范围内随机采样一个温度,通过辐射传播方程计算目标在当前采样温度下不同采样波长所对应的总辐射亮度,得到混合多光谱信号样本集;每个采样温度下对应的混合多光谱信号样本表示为:,其中,表示表示波长对应的总辐射亮度;

12、任一波长对应的总辐射亮度的计算公式为:

13、

14、其中,表示波长和传输距离d对应的大气透射率;表示目标表面在波长的发射率;表示目标在波长和

ttarget温度下的光谱辐射亮度;表示大气在波长λi和大气温度tatm下的光谱辐射亮度,

tatm表示大气温度;表示噪声项;

15、对每个混合多光谱信号样本进行归一化处理,得到归一化混合多光谱信号,归一化计算方式为:

16、

17、其中,表示归一化混合多光谱信号,m表示强度尺度信息,用于描述原始混合多光谱信号的辐射量级。

18、进一步的,s2中,目标有效辐射响应重构网络包括谱段特征编码模块、残差辐射特征提取模块和目标辐射响应输出模块;

19、谱段特征编码模块通过一维卷积核沿波长方向滑动,对相邻谱段之间的局部变化关系进行提取,获得混合多光谱信号中的初级谱段特征;

20、残差辐射特征提取模块由多个一维残差卷积单元级联组成,用于在初级谱段特征的基础上,提取深层谱段特征;

21、目标辐射响应输出模块将深层谱段特征重新映射到原始谱段空间,输出与各波长对应的重构有效辐射响应。

22、进一步的,s2中,辐射一致性损失函数的表达式为:

23、

24、其中,

lmse为重构有效辐射响应与仿真或标定得到的真实有效辐射响应之间的逐点误差,用于约束各谱段响应值;

ld1为谱形一阶差分误差,用于约束重构有效辐射响应在相邻谱段之间的变化趋势;

ld2为二阶差分误差,用于抑制重构有效辐射响应中的非物理振荡;

larea为整体辐射强度误差,用于约束重构有效辐射响应与仿真或标定得到的真实有效辐射响应的整体能量水平一致;α1、β1、γ1为对应的权重系数。

25、进一步的,s3中,将某一已知目标的混合多光谱信号和对应的强度尺度同步输入基于训练好的目标有效辐射响应重构网络,先基于训练好的目标有效辐射响应重构网络对已知目标的混合多光谱信号进行进行重构,得到归一化重构有效辐射响应,再将归一化重构有效辐射响应乘以强度尺度,得到已知目标最终的重构有效辐射响应。

26、进一步的,s4包括:

27、s41、将已知目标的有效辐射响应输入自校准温度反演网络,输出目标的初始预测温度、谱段可信度权重、发射率修正参数和尺度补偿系数;

28、s42、在当前迭代中,基于发射率修正参数和尺度补偿系数计算已知目标在当前预测温度下的理论辐射响应;

29、s43、基于当前预测温度下理论辐射响应与重构有效辐射响应之间的残差以及当前预测温度与真实温度之间的误差计算物理一致性损失;

30、s44、若物理一致性损失不满足预设条件,则对当前预测温度进行修正后,返回s42;

31、s45、迭代执行s42~s44,直至物理一致性损失满足预设条件,不再对预测温度进行修正,得到最终的自校准温度反演网络。

32、进一步的,s42中,已知目标在当前预测温度下的理论辐射响应的计算公式为为:

33、

34、其中,k表示当前迭代次数,表示理论目标辐射响应;

a表示尺度补偿系数;表示由发射率修正参数

c控制的目标发射率修正函数;表示当前预测温度下的普朗克辐射函数;

35、目标发射率修正函数的表达式为:

36、

37、其中,

p表示波长基函数的数量,为第个波长基函数在波长处的取值,为第

m个波长基函数对应的发射率修正参数,表示发射率修正参数向量,表示sigmoid函数。

38、进一步的,s43中,物理一致性损失的计算公式为:

39、

40、其中,表示预测温度与真实温度之间的误差;为辐射残差损失,表示理论辐射响应与重构有效辐射响应之间的残差,表示发射率平滑约束,为谱段可信权重正则项;

41、其中,辐射残差损失的计算公式为:

42、

43、其中,n表示混合多光谱信号中的波长数量,

wi表示第

i个波长的谱段可信度权重,表示波长的重构有效辐射响应;α2、β2、γ2为对应的权重系数;

44、发射率平滑约束的表达式为:

45、

46、其中,表示目标在波长

λi的发射率,表示目标在波长

λi+1的发射率。

47、进一步的,s44中,对当前预测温度进行修正的计算公式为:

48、

49、其中,表示当前迭代k下的预测温度,表示下一迭代k+1的预测温度,为可学习或预设的步长参数;为辐射残差损失对温度的梯度。

50、进一步的,s6中,根据反演温度对待测目标的损伤状态进行判断的过程包括:

51、当反演温度高于预设损伤温度阈值时,判定待测目标存在热损伤风险;

52、当反演温度在预设时间内持续升高或温升幅度超过预设阈值时,判定待测目标发生局部热损伤或功能失效。

53、经由上述的技术方案可知,与现有技术相比,本发明具有以下有益效果:

54、1、本发明通过归一化混合多光谱信号和强度尺度信息对目标有效辐射响应重构网络进行训练,并采用辐射一致性损失函数对输出进行约束,使模型在学习谱形特征的同时保留原始信号的强度量级信息,并且约束重构光谱的变化趋势、谱形平滑性和整体辐射强度一致性,使模型输出结果更加符合多光谱辐射测温的物理特性。

55、2、本发明构造混合多光谱信号样本时,引入了多源干扰分量和噪声项,使得模型能够有效抑制背景辐射、杂散光和探测器噪声对目标辐射信号的影响,相比直接利用原始混合光谱进行温度反演的方法,提高了目标有效辐射响应提取能力。

56、3、本发明不直接采用传统最小二乘法求解温度,而是构建了一种自校准温度反演网络,对预测温度进行逐步优化,并通过物理一致性损失对预测温度进行约束,实现目标温度的准确反演,克服了普通归一化处理导致辐射幅值信息丢失以及传统温度反演抗干扰能力不足的问题,提高了远距离低信噪比条件下目标温度反演的准确性和稳定性。

57、4、本发明能够提高激光反无人机场景中目标损伤状态判断的可靠性,为无人机反制效能评估提供更加稳定、可信的多光谱测温处理方法。