[發明專利]基于隨機森林和數據拒判的地面目標分類方法

有效

• 申請號: 201810874485.5
• 申請日: 2018-08-03
• 公開（公告）號: CN109190673B
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 杜蘭;李泉;高勇;何浩男;任科
• 申請（專利權）人: 西安電子科技大學;西安中電科西電科大雷達技術協同創新研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01S13/88;G01S7/41
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于隨機森林和數據拒判的地面目標分類方法，其特征在于，判斷地面目標輸出概率向量的元素是否均小于閾值，具有并行處理能力的訓練好的隨機森林分類器；該方法的具體步驟包括如下：

(1)對訓練樣本集進行預處理：

(1a)從不同地面目標的窄帶雷達回波信號中，隨機選取至少1000個在頻譜中存在微多普勒效應的回波信號，組成訓練樣本集；

(1b)利用區域CLEAN方法，對訓練樣本集中的回波信號進行雜波抑制；

(1c)利用全域CLEAN方法，對雜波抑制后的訓練樣本集中的回波信號進行噪聲抑制，得到預處理后的訓練樣本集；

(2)提取訓練特征矩陣：

(2a)采用特征提取方法，提取預處理后的訓練樣本集中的回波信號的7個特征，組成訓練特征矩陣；

(2b)按照歸一化訓練公式，對訓練特征矩陣的元素進行歸一化處理，得到歸一化后的訓練特征矩陣；

(3)訓練隨機森林分類器：

將歸一化后的訓練特征矩陣輸入到隨機森林分類器中進行訓練，直到隨機森林分類器中并行處理的決策樹的數量大于500棵，停止訓練，得到具有并行處理能力的訓練好的隨機森林分類器；

(4)對測試樣本進行預處理：

(4a)將窄帶雷達實時接收的一個回波信號作為測試樣本；

(4b)利用區域CLEAN方法，對測試樣本的回波信號進行雜波抑制；

(4c)利用全域CLEAN方法，對雜波抑制后的測試樣本的回波信號進行噪聲抑制，得到預處理后的測試樣本；

(5)提取測試特征向量：

(5a)采用特征提取方法，提取預處理后的測試樣本中回波信號的7個特征，組成測試特征向量；

(5b)按照歸一化測試公式，對測試特征向量的元素進行歸一化處理，得到歸一化后的測試特征向量；

(6)計算地面目標輸出概率向量：

(6a)將歸一化后的測試特征向量輸入到具有并行處理能力的訓練好的隨機森林分類器中，得到隨機森林分類器中每棵決策樹的判定結果；

(6b)按照輸出概率公式，計算每類地面目標的輸出概率，將所有類別的地面目標的輸出概率組成地面目標輸出概率向量；

(7)判斷地面目標輸出概率向量的元素是否均小于閾值，若是，執行步驟(8)；否則，執行步驟(9)；

(8)將測試樣本作為沒有地面目標微動特性的回波信號，拒判該測試樣本后執行步驟(4)；

(9)將地面目標輸出概率向量中最大值對應類別作為該測試樣本的地面目標分類結果。

2.根據權利要求1所述的基于隨機森林和數據拒判的地面目標分類方法，其特征在于，步驟(1b)、步驟(4b)中所述區域CLEAN方法的具體步驟如下：

第一步，根據雷達參數估計雷達回波中地雜波能量；

第二步，對回波信號做離散傅里葉變換，獲得回波信號的多普勒譜，將雜波頻譜范圍作為雜波區域；

第三步，在多普勒譜中搜索雜波區域的最大值、雜波區域的最大值對應的相位、雜波區域的最大值對應的幅度、雜波區域的最大值對應的多普勒頻率；

第四步，按照下式，重構雜波區域的最大值對應的時域信號：

其中，s(t)表示重構雜波區域最大值對應時域信號中t時刻的信號幅度，R表示雜波區域的最大值對應的幅度，K表示離散傅里葉變換的點數，exp表示以自然數為底的指數運算，j表示虛數單位，π表示圓周率，d表示雜波區域的最大值對應的多普勒頻率，θ表示雜波區域的最大值對應的相位；

第五步，用回波信號減去重構雜波區域最大值對應的時域信號，得到處理后的回波信號；

第六步，計算處理后的回波信號在雜波區域的能量；

第七步，判斷處理后的回波信號在雜波區域的能量是否小于地雜波能量，若是，得到雜波抑制后的回波信號；否則，執行第二步。