【技术实现步骤摘要】
本专利技术涉及一种基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法及装置，属于激光目标识别领域。
技术介绍
1、激光目标识别可以识别目标典型特征，在工业控制、军工、航空航天等领域应用潜力广泛。在实际的目标典型特征目前缺乏有效手段进行识别，大气湍流会严重的干扰光束的传输，目前无法实现在大气湍流中对典型特征目标进行高效准确的识别。
技术实现思路
1、针对现有激光目标识别方法技术无法实现在大气湍流中对典型特征目标进行高效识别的问题，本专利技术提供一种基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法及装置。
2、本专利技术一方面，提供一种所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，该方法包括以下步骤：
3、步骤一、涡旋光束经发射系统照射在大气湍流环境下的典型物体上并生成回波信号；
4、步骤二、对所述回波信号进行相位畸变校正，获取校正光束；
5、步骤三、获取校正光束的目标角谱；
6、步骤四、将目标角谱输入至反向传播神经网络中，以识别典型物体的目标形状。
7、优选地，步骤二中相位畸变校正过程为：
8、步骤二一、利用波前传感器获取畸变光束光场；
9、步骤二二、将畸变光束光场和原始光束光场一起输入至反馈信号控制器中，在反馈信号控制中利用gs算法获取原始光束相位；
10、步骤二三、将原始光束相位的反向相位控制空间光调制器的相位加载，进而对畸变光束进行校正并输出
11、优选地，步骤三中获取校正光束的目标角谱的过程为：
12、利用空间光调制器对校正光束光场进行解调，再利用光功率探测器探测各个轨道角动量模式的功率，最终获得校正光束光场的轨道角动量螺旋谱作为目标角谱。
13、优选地，步骤四中训练反向传播神经网络含有输入层、隐含层、输出层，反向传播神经网络的输入信号为大气湍流环境中典型物体回波信号的目标角谱，输出信号为典型物体的形状；训练过程为：
14、步骤四一、确定网络的层数，隐含层每层神经元的个数，对网络的权值和阈值进行随机赋值；
15、步骤四二、输入一个训练样本，选择激活函数，对网络进行计算，得到网络的输出值；
16、步骤四三、计算输出值和期望值之间的误差；若误差达到要求，停止对网络训练；若误差没达到要求，执行步骤四四；
17、步骤四四、反向传播，调整网络的权值和阈值；然后，输入下一个训练样本，返回步骤四二循环计算。
18、优选地，大气湍流环境采用相位屏法模拟，通过采用等间距δz设置的使用功率谱反演法模拟的随机相位屏代替大气湍流过程，在随机相位屏之间光束根据角谱衍射理论进行自由传输，采用修正的vonkarman谱，相位屏可表示为：
19、
20、式中，(x,y)为相位屏xoy平面坐标，x＝jδx，y＝lδy，δx，δy为x轴、y轴取样间隔，j，l为整数，h(κx,κy)为单位方差零均值的高斯随机数；
21、φφ(f)为相位屏的相位功率谱密度，按下式求取：
22、
23、式中，f为空间频率，f＝κ/2π，κ表示三维空间波数；
24、l0为湍流外尺度；l0为湍流内尺度；
25、r0为大气相干长度，为湍流强度，z为相位屏直角坐标系z轴坐标，δz为z轴取样间隔。
26、本专利技术另一个方面，提供一种基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，该装置用于实现权1-5任一权项所述的方法，装置包括涡旋光束生成单元、4f系统4、发射光学系统5、一号大气湍流模拟器6、一号分束器7、二号大气湍流模拟器9、接收系统10，畸变校正模块11、角谱分析模块12和算法识别模块13；
27、涡旋光束生成单元输出的单阶涡旋光束，4f系统4筛选单阶涡旋光束的第一衍射级并经过发射光学系统5发射，通过一号大气湍流模拟器6再经过一号分束器7分束照射典型物体8生成回波信号，接收系统10接收经过二号大气湍流模拟器9的回波信号，通过畸变校正模块11对回波信号中的畸变光束进行相位校正，通过角谱分析模块12获取目标角谱，由算法识别模块13识别目标形状。
28、优选地，涡旋光束生成单元包括激光器1、单模光纤2和一号空间光调制器3，激光器1发射激光至单模光纤2，单模光纤2对光束进行准直，然后由一号空间光调制器3对光束进行轨道角动量量子调控，生成单阶涡旋光束信号。
29、优选地，畸变校正模块11包括二号空间光调制器11-1、二号分束器11-2、波前传感器11-3和反馈信号控制器11-4；畸变光束经二号分束器11-2分为两束，其中一束经波前传感器11-3检测输出畸变光束光场，连同原始光束光场一起输入至反馈信号控制器11-4，反馈信号控制器11-4输出原始光束相位，并将原始光束的反向相位加载至二号空间光调制器11-1，二号分束器11-2输出的另一束经由二号空间光调制器11-1进行相位畸变校正输出校正光束。
30、优选地，角谱分析模块12包括三号空间光调制器和光功率探测器，校正光束输入至三号空间光调制器进行光场的解调，解调后的光束输入至光功率探测器中，根据光功率探测器探测的各个轨道角动量模式的功率获得光场的轨道角动量螺旋谱作为目标角谱。
31、优选地，算法识别模块13采用反向传播神经网络实现，通过光场的轨道角动量螺旋谱识别出典型物体的特征形状，所述典型物体的特征形状包括三角形、正方形和正五边形。
32、本专利技术的有益效果：本专利技术引入gs算法恢复校正携带目标形状特征信息的畸变光束，选择反向传播神经网络对不同形状典型目标进行识别。本专利技术将相位补偿和智能算法识别相结合，能够有效的实现在大气湍流中的具有典型特征形状的目标的识别。
本文档来自技高网...【技术保护点】
1.基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤二中相位畸变校正过程为：
3.根据权利要求2所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤三中获取校正光束的目标角谱的过程为：
4.根据权利要求3所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤四中训练反向传播神经网络含有输入层、隐含层、输出层，反向传播神经网络的输入信号为大气湍流环境中典型物体回波信号的目标角谱，输出信号为典型物体的形状；训练过程为：
5.根据权利要求1所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，大气湍流环境采用相位屏法模拟，通过采用等间距Δz设置的使用功率谱反演法模拟的随机相位屏代替大气湍流过程，在随机相位屏之间光束根据角谱衍射理论进行自由传输，采用修正的VonKarman谱，相位屏可表示为：
6.基于反向传播神经网络和轨
7.根据权利要求6所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，其特征在于，涡旋光束生成单元包括激光器(1)、单模光纤(2)和一号空间光调制器(3)，激光器(1)发射激光至单模光纤(2)，单模光纤(2)对光束进行准直，然后由一号空间光调制器(3)对光束进行轨道角动量量子调控，生成单阶涡旋光束信号。
8.根据权利要求6所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，其特征在于，畸变校正模块(11)包括二号空间光调制器(11-1)、二号分束器(11-2)、波前传感器(11-3)和反馈信号控制器(11-4)；畸变光束经二号分束器(11-2)分为两束，其中一束经波前传感器(11-3)检测输出畸变光束光场，连同原始光束光场一起输入至反馈信号控制器(11-4)，反馈信号控制器(11-4)输出原始光束相位，并将原始光束的反向相位加载至二号空间光调制器(11-1)，二号分束器(11-2)输出的另一束经由二号空间光调制器(11-1)进行相位畸变校正输出校正光束。
9.根据权利要求6所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，其特征在于，角谱分析模块(12)包括三号空间光调制器和光功率探测器，校正光束输入至三号空间光调制器进行光场的解调，解调后的光束输入至光功率探测器中，根据光功率探测器探测的各个轨道角动量模式的功率获得光场的轨道角动量螺旋谱作为目标角谱。
10.根据权利要求9所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，其特征在于，算法识别模块(13)采用反向传播神经网络实现，通过光场的轨道角动量螺旋谱识别出典型物体的特征形状，所述典型物体的特征形状包括三角形、正方形和正五边形。
...【技术特征摘要】
1.基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤二中相位畸变校正过程为：
3.根据权利要求2所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤三中获取校正光束的目标角谱的过程为：
4.根据权利要求3所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，步骤四中训练反向传播神经网络含有输入层、隐含层、输出层，反向传播神经网络的输入信号为大气湍流环境中典型物体回波信号的目标角谱，输出信号为典型物体的形状；训练过程为：
5.根据权利要求1所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别方法，其特征在于，大气湍流环境采用相位屏法模拟，通过采用等间距δz设置的使用功率谱反演法模拟的随机相位屏代替大气湍流过程，在随机相位屏之间光束根据角谱衍射理论进行自由传输，采用修正的vonkarman谱，相位屏可表示为：
6.基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，该装置用于实现权1-5任一权项所述的方法，其特征在于，装置包括涡旋光束生成单元、4f系统(4)、发射光学系统(5)、一号大气湍流模拟器(6)、一号分束器(7)、二号大气湍流模拟器(9)、接收系统(10)，畸变校正模块(11)、角谱分析模块(12)和算法识别模块(13)；
7.根据权利要求6所述基于反向传播神经网络和轨道角动量特征谱的目标特征识别装置，其特征...
【专利技术属性】
技术研发人员：赵丽媛，张子静，王泓洋，赵远，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。