[發(fā)明專利]基于譜圖特征的雷達(dá)目標(biāo)高分辨距離像識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110024517.0
• 申請(qǐng)日: 2011-01-21
• 公開(kāi)（公告）號(hào): CN102175999A
• 公開(kāi)（公告）日: 2011-09-07
• 發(fā)明（設(shè)計(jì)）人: 杜蘭;劉宏偉;潘勉;王鵬輝
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G01S7/41
• 分類號(hào): G01S7/41;G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，涉及自動(dòng)目標(biāo)識(shí)別，具體的說(shuō)是一種雷達(dá)目標(biāo)高分辨距離像的目標(biāo)識(shí)別方法。

背景技術(shù)

雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)可以提供目標(biāo)屬性、類別、型號(hào)等信息，高分辨雷達(dá)通常工作在微波波段，目標(biāo)及其部件的長(zhǎng)度遠(yuǎn)長(zhǎng)于波長(zhǎng)，這時(shí)雷達(dá)目標(biāo)可近似為一組離散的散射點(diǎn)。相應(yīng)地，雷達(dá)發(fā)射信號(hào)被目標(biāo)散射點(diǎn)后向散射，通過(guò)幅度調(diào)制的延時(shí)后形成散射點(diǎn)子回波，雷達(dá)目標(biāo)回波即為各散射點(diǎn)子回波的向量和，這就是高分辨雷達(dá)目標(biāo)的散射點(diǎn)模型。這個(gè)模型被廣泛地應(yīng)用于雷達(dá)自動(dòng)目標(biāo)識(shí)別。

目前國(guó)內(nèi)外有許多機(jī)構(gòu)都開(kāi)展了雷達(dá)自動(dòng)目標(biāo)識(shí)別技術(shù)的研究，這些研究在預(yù)處理、特征提取和分類器設(shè)計(jì)等方面各不相同。B.Pei和Z.Bao?2002年在proc.Radar上發(fā)表的Radar?target?recognition?based?on?peak?location?of?HRR?profile?and?HMMs?classifiers文章直接從單次回波中利用松弛Relax算法提取強(qiáng)散射點(diǎn)位置特征，利用馬爾可夫模型進(jìn)行識(shí)別。Feng?Zhu、Xian-Da?Zhang和YaFeng?Hu?2007年在IEEE?Trans.on?Signal?Processing發(fā)表的Nonstationary?Hidden?Markov?Models?for?Multiaspect?Discriminative?Feature?Extraction?From?Radar?Tar

上述這些方法的共同缺點(diǎn)如下：

(1)只研究了雷達(dá)目標(biāo)高分辨距離像之間的關(guān)系，而忽略了回波內(nèi)各距離單元存在的聯(lián)系，當(dāng)訓(xùn)練樣本數(shù)很少的時(shí)候，其識(shí)別性能急劇下降。

(2)采用松弛Relax算法提取散射點(diǎn)的特征作為雷達(dá)目標(biāo)的特征，增加了測(cè)試時(shí)的內(nèi)存需求量和計(jì)算負(fù)擔(dān)。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于譜圖特征的雷達(dá)目標(biāo)高分辨率距離像識(shí)別方法，以通過(guò)對(duì)雷達(dá)目標(biāo)原始高分辨距離像進(jìn)行有效的預(yù)處理和雷達(dá)目標(biāo)譜圖特征提取，沿雷達(dá)目標(biāo)譜圖特征進(jìn)行識(shí)別，提高雷達(dá)目標(biāo)識(shí)別的性能，并在測(cè)試時(shí)減小內(nèi)存需求量和計(jì)算負(fù)擔(dān)。

實(shí)行本發(fā)明的技術(shù)原理是：根據(jù)飛機(jī)目標(biāo)高分辨距離像的不同來(lái)提取譜圖特征，回波的譜圖特征時(shí)間維體現(xiàn)了目標(biāo)的空間結(jié)構(gòu)特征，將一次回波的譜圖特征時(shí)間維看成是一個(gè)序列，沿著回波內(nèi)距離單元建立馬爾可夫模型將目標(biāo)的空間結(jié)構(gòu)特征融入模型中。在訓(xùn)練樣本比較少的時(shí)候，利用多任務(wù)馬爾可夫模型來(lái)將全部樣本參與訓(xùn)練，提高了識(shí)別效果。

根據(jù)以上原理，本發(fā)明的實(shí)現(xiàn)步驟如下：

(1)對(duì)雷達(dá)訓(xùn)練目標(biāo)距離回波數(shù)據(jù)進(jìn)行角域分幀、幀內(nèi)對(duì)齊和能量歸一化的預(yù)處理，對(duì)雷達(dá)測(cè)試目標(biāo)距離回波數(shù)據(jù)進(jìn)行能量歸一化的預(yù)處理；

(2)對(duì)預(yù)處理后的雷達(dá)訓(xùn)練目標(biāo)距離回波數(shù)據(jù)和雷達(dá)測(cè)試目標(biāo)距離回波數(shù)據(jù)通過(guò)matlab中的spectrogram函數(shù)提取它們的譜圖特征；；

(3)對(duì)雷達(dá)訓(xùn)練目標(biāo)回波數(shù)據(jù)每一幀的譜圖特征沿譜圖的時(shí)間維訓(xùn)練多任務(wù)隱馬爾可夫模型，進(jìn)而確定雷達(dá)訓(xùn)練目標(biāo)回波數(shù)據(jù)每一幀的多任務(wù)隱馬爾可夫模型的參數(shù)；

(4)根據(jù)確定的雷達(dá)訓(xùn)練目標(biāo)回波數(shù)據(jù)每一幀的多任務(wù)隱馬爾可夫模型的參數(shù)，利用前向算法計(jì)算雷達(dá)測(cè)試目標(biāo)回波數(shù)據(jù)與雷達(dá)訓(xùn)練目標(biāo)回波數(shù)據(jù)每一幀相對(duì)應(yīng)的多任務(wù)隱馬爾可夫模型的后驗(yàn)概率值：