[發明專利]一種基于聯合分類的雷達HRRP目標識別方法

有效

• 申請號: 201711419680.0
• 申請日: 2017-12-25
• 公開（公告）號: CN108256436B
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 熊剛;朱禮陽;席云龍;郁文賢
• 申請（專利權）人: 上海交通大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于聯合分類的雷達HRRP目標識別方法，其特征在于，包括步驟：

根據雷達目標散射點中心模型對Z類待識別目標中的每類待識別目標進行建模獲得每類待識別目標的模型，Z為待識別目標類別的總數，所述Z類待識別目標包括單目標和群目標；

按預設的角度間隔依次旋轉每類待識別目標，得到待識別目標在各個角度下的高分辨距離像樣本數據；

將所述高分辨距離像樣本數據隨機分為訓練樣本和測試樣本；

利用PCA方法對所述訓練樣本和測試樣本進行降維處理；

利用降維后的訓練樣本分別對BP神經網絡模型和支持向量機模型進行訓練；

統計兩種分類器在不同信噪比下對目標的識別率，利用對目標識別率較高的分類器模型判斷待識別目標是否為群目標；

若被判為是，利用基于滑動窗口的最大相關系數方法識別所述群目標中包含的單目標類別；

其中，若所述Z類待識別目標中包括c₁類單目標和c₂類群目標，所述利用基于滑動窗口的最大相關系數方法識別所述群目標中包含的單目標類別，具體為：

截取c₁類單目標中的所有高分辨距離像樣本，保留區間為[r，s]；r，s的選取，應使得原高分辨距離像樣本值在該區間以外接近于0；

對于第i類單目標的所有N_c個樣本，對c₁類單目標的樣本和某群目標測試樣本Y依次操作：對于第i類單目標第j個高分辨距離像樣本X_ij，其截取后的長度為d＝s-r，該群目標測試樣本序列Y的長度為D，取序列n＝1,2,3...d，計算出和X_ij的相關系數r_ijk，其中，k＝0,1,2...D-d；求出r_ij＝max(r_ijk)；對于第i類單目標的其他高分辨率距離像樣本，與該群目標測試樣本進行相同的操作

對其他類單目標的所有高分辨率距離像樣本分別與該群目標測試樣本進行上述操作，最終獲得該r_max對應的單目標樣本的類別即被判定為該群目標所包含的單目標類別。

2.如權利要求1所述的雷達HRRP目標識別方法，其特征在于，所述預設的角度間隔滿足以下條件：

其中，B為距離像壓縮后的雷達信號的帶寬，L_x為方位向的目標的最大尺寸，c為光速，為散射點不發生越距離走動的角度。

3.如權利要求1所述的雷達HRRP目標識別方法，其特征在于，所述訓練樣本與測試樣本的比例為2:1。

4.如權利要求1所述的雷達HRRP目標識別方法，其特征在于，所述測試樣本的PCA降維過程與所述訓練樣本的PCA降維過程一致，其中，所述訓練樣本的PCA降維過程具體為：

去均值：計算所有訓練樣本X＝{X_ij|i＝1,2....Z；j＝1,2....N_c}的均值μ_ij，計算所有訓練樣本減去各自均值后的新的樣本X'＝{X'_ij|i＝1，2....Z；j＝1,2....N_c}，Z為待識別目標類別的總數，N_c為第c類待識別目標的訓練樣本數；

計算訓練樣本協方差矩陣：對于全部訓練樣本，訓練樣本總數為N，距離單元數為d，訓練樣本是一個N×d的矩陣，計算其協方差矩陣，所述協方差矩陣是一個d×d的矩陣；

對協方差矩陣作特征值分解：取協方差矩陣的從大到小前m個特征值(md),組成d×m降維矩陣，N×d訓練樣本的矩陣和d×m降維矩陣進行矩陣相乘，得到降維后的N×m訓練樣本矩陣；該訓練樣本矩陣的第i行即為第i個訓練樣本降維后的向量。