基于深度学习的微波雷达外破识别方法

本发明涉及深度学习技术领域，具体为基于深度学习的微波雷达外破识别方法，包括以下步骤：S1：利用毫米波雷达发射电磁波，覆盖待检测区域，实时接收移动物体反射的回波信号并进行预处理；S2：采用轻量化Transformer‑Encoder处理雷达信号衍生的点云数据，通过多任务头同步输出目标类别、运动状态及外破威胁等级。本发明通过毫米波雷达数据预处理、轻量化Transformer‑Encoder特征提取、深度Q网络优化决策，结合硬件协同与动态学习机制，实现了外破目标的高精度识别，将设备平均功耗控制在0.8W以内，达成72小时长续航，并通过自适应策略调整使复杂场景下误报率降低30％、漏报率降至2％以下，显著提升了微波雷达外破识别的效率、可靠性与实用性。