一种基于深度学习和模型驱动的属性散射中心参数提取方法、系统、装置及介质

本申请公开了一种基于深度学习和模型驱动的属性散射中心参数提取方法、系统、装置及介质，方法包括：将雷达回波信号建模为若干个属性散射中心的散射回波的线性叠加，基于稀疏信号重建问题确定约束优化问题；根据交替方向乘子法将约束优化问题分解为三个子问题，将交替方向乘子法对各子问题的迭代求解过程映射为重构层、非线性层以及乘子更新层，进而构建包含可学习参数的多阶段深度学习网络，实现对属性散射中心参数的反演。本申请实施例能够在物理模型的基础上将交替方向乘子法的迭代求解映射为网络结构，通过少数几层网络即可实现属性散射中心参数提取，提高了计算速度和精度。本申请可以广泛应用于属性散射中心参数提取技术领域。