基于ASIC机器学习处理器的雷达目标快速识别方法

摘要

本发明公开了一种基于ASIC机器学习处理器的雷达目标快速识别方法，主要解决现有方法利用神经网络模型对雷达目标的识别速度慢，能效比低的问题，其方案是：获取VGG16识别模型，将该模型参数进行int8量化，并将其结构均匀拆分为N份；将拆分后模型从主处理器导入协处理器中；对毫米波雷达数据进行距离向傅里叶变换和短时傅里叶变换，得到目标的微多普勒图；将微多普勒图从主处理器导入协处理器中；通过协处理器按照拆分后的模型进行端到端的计算，得到目标属于不同类别的概率，并将结果拷入到主处理器中；主处理器将识别概率最大的结果作为最终识别结果输出。本发明能够加快雷达目标识别速度，提高能效比，可用于毫米波雷达场景监视。