[發明專利]基于自回歸模型的雷達高分辨距離像目標識別方法

有效

• 申請號: 201110089912.7
• 申請日: 2011-04-11
• 公開（公告）號: CN102184408A
• 公開（公告）日: 2011-09-14
• 發明（設計）人: 劉宏偉;王鵬輝;戴奉周;杜蘭;李彥兵;王英華
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01S13/02;G01S7/41
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于雷達技術領域，涉及目標識別方法，可用于對飛機，車輛等目標進行識別。

背景技術

雷達目標識別就是利用目標的雷達回波信號，實現對目標類型的判定。寬帶雷達通常工作在光學區，此時目標可以看作是由大量強度不同的散射點構成。高分辨距離像是用寬帶雷達信號獲取的目標體上各散射點回波的矢量和。它反映了目標體上散射點沿雷達視線的分布情況，包含了目標重要的結構特征，被廣泛應用于雷達目標識別領域。

從高分辨距離像中提取識別特征，是雷達目標識別系統中的一個重要環節，這些識別特征包括實高分辨距離像特征和高階譜特征。然而，這些識別特征往往具有很高的維度，在訓練識別系統時需要提供大量的高分辨距離像數據以保證識別系統參數的學習精度。眾所周知，錄取大量的高分辨距離像代價巨大，尤其是對于非合作目標，實際中更是難以獲取大量的高分辨距離像數據，這限制了識別系統的性能。

目前已有的識別方法都需要通過分幀的方法來克服高分辨距離像的姿態敏感性。傳統的分幀方法是將錄取的高分辨距離像數據均勻分成若干段，每一段稱為一幀。同時近似的假設各幀內高分辨距離像數據服從同一分布。但是采用這種方法，總幀數需人為指定。如果幀數過多，會增加識別時間，不利于實時識別；如果幀數過少，識別精度又不能保證。

發明內容

本發明的目的在于克服上述已有方法的不足，提出一種基于自回歸模型的雷高分辨距離像目標識別方法。以降低識別特征維數，放松對高分辨距離像訓練樣本數量的需求，實現總幀數的自動確定，避免人為指定總幀數帶來的識別性能下降問題。

為實現上述發明目的，本發明的實現步驟如下：

1)對高分辨距離像訓練樣本進行傅里葉變換，將其轉換到頻域，并將頻域信號取模值，得到高分辨距離像訓練樣本對應的頻譜幅度信號z＝[z(1)，z(2)，...，z(d)]，其中，z(f)是頻譜幅度信號z的第f維元素，f＝1，2，...，d，d表示頻譜幅度信號z的維度；

2)設定自回歸模型的階數m，m為正整數，用自回歸模型對訓練樣本的頻譜幅度信號z建模為：f＝m+1，m+2，...，d，其中z(f)表示訓練樣本的頻譜幅度信號z的第f維元素，z(f-k)表示訓練樣本的頻譜幅度信號z的第f-k維元素，e(f)是訓練樣本自回歸模型的預測誤差，a(k)是訓練樣本自回歸模型的第k個自回歸系數，k＝1，2，...，m，將所有自回歸系數用向量形式表示為：a＝[a(1)，a(2)，...，a(m)]作為訓練樣本的識別特征，式中，a(i)是自回歸模型的第i個自回歸系數，i＝1，2，...，m；

3)用Yule-Walker方程估計訓練樣本的識別特征a；

4)用高斯混合模型對訓練樣本的識別特征a分幀，以克服訓練樣本識別特征a的姿態敏感性，分幀后的訓練樣本的識別特征a表示為：其中p(a)表示訓練樣本識別特征a的概率密度函數，L表示訓練樣本識別特征a的幀數，α_l表示第l幀的先驗概率，l＝1，2，...，L，G(a|μ_l，∑_l)表示訓練樣本識別特征a在第l幀內服從高斯分布，μ_l表示第l幀的均值，∑_l表示第l幀的協方差矩陣，l＝1，2，...，L；

5)用貝葉斯陰陽學習方法自動確定步驟4)中的總幀數L，并估計各幀的先驗概率α_l，均值μ_l和協方差矩陣∑_l，l＝1，2，...，L；

6)將步驟5)中估計得到的各幀的先驗概率α_l，均值μ_l和協方差矩陣∑_l，l＝1，2，...，L，存入識別系統模板庫，根據該模板庫對高分辨距離像測試樣本進行識別。

本發明具有訓練樣本需求量小，訓練樣本識別特征總幀數自動確定的優點，可用于對雷達目標的識別。

附圖說明

圖1是本發明的流程圖；

圖2是用本發明對所有目標分幀的結果隨自回歸模型階數的變化曲線圖；

圖3是用本發明對所有目標的識別結果隨自回歸模型階數的變化曲線圖；

圖4是用本發明對所有目標的識別結果隨訓練樣本集的大小變化曲線圖。

具體實施方式

參照圖1，本發明的具體實現步驟如下：

步驟1，計算高分辨距離像訓練樣本對應的頻譜幅度信號。