[發明專利]一種基于時域頻域多特征的地海雜波分類方法

有效

• 申請號: 202010746796.0
• 申請日: 2020-07-30
• 公開（公告）號: CN111812598B
• 公開（公告）日: 2022-03-22
• 發明（設計）人: 夏曉云;張玉石;李清亮;尹志盈;朱秀芹;黎鑫;許心瑜;張浙東;張金鵬;尹雅磊;趙鵬;李慧明;李善斌;萬晉通;余運超
• 申請（專利權）人: 中國電波傳播研究所（中國電子科技集團公司第二十二研究所）
• 主分類號: G01S7/36
• 分類號: G01S7/36;G06N3/04;G06N3/08
• 代理公司: 青島博雅知識產權代理事務所(普通合伙) 37317
• 代理人: 封代臣

1.一種基于時域頻域多特征的地海雜波分類方法，其特征在于，包括如下步驟：

步驟1，計算單個雷達空間分辨單元回波的歸一化功率方差、多普勒帶寬、多普勒譜熵和多普勒譜峰值功率比：

步驟11，雷達第j個距離單元、第k個方位單元的回波數據表示為復數序列x_j,k＝{x(n；j,k),n＝1,2,...,N}，其中j、k表示自然數，其相應的功率值表示為x′_j,k＝{|x(n；j,k)|²,n＝1,2,...,N}，其中|·|表示取絕對值，該分辨單元的歸一化功率方差為其中var{·}表示取方差，max{·}表示取最大值；

步驟12，計算第j個距離單元、第k個方位單元雷達回波的多普勒功率譜y_j,k：

其中y_j,k為M維向量，fft(·)表示快速傅里葉變換，表示向上取整；

步驟13，基于多普勒功率譜y_j,k，計算多普勒帶寬B(j,k)、多普勒譜熵E(j,k)和多普勒譜峰值功率比R(j,k)：

步驟2，基于步驟1生成地雜波和海雜波的特征數據F和類別數據s：

步驟21，選擇S₁個海雜波單元，S₂個地雜波單元作為訓練樣本，如步驟1所述，計算每個雜波單元的歸一化功率方差、多普勒帶寬、多普勒譜熵和多普勒譜峰值功率比，形成特征值矩陣

步驟22，將海雜波單元的類別標簽記為0，地雜波單元的類別標簽記為1，構造S₁+S₂維的類別向量前面S₁個元素為0，后面S₂個元素為1；

步驟3，構建BP神經網絡，利用步驟2所述特征數據F和類別數據s作為訓練樣本生成神經網絡net：

步驟31，輸入層包含四個輸入，分別為每個雷達空間分辨單元的歸一化功率方差、多普勒帶寬、多普勒譜熵和多普勒譜峰值功率比，輸出層包含一個輸出，其取值介于0～1之間，特征值矩陣F中第s行元素和類別向量L中第s個元素一一對應構成訓練樣本；

步驟32，設計雙隱層網絡結構，隱層采用雙曲正切函數為激活函數，輸出層采用線性函數，學習方法使用帶動量的梯度下降的權值或閾值學習函數，訓練函數采用Levenberg-Marquardt優化算法，性能函數為均方誤差函數；

步驟33，設置學習率和各隱層神經元個數、設置最大訓練次數不小于1000次、設置期望誤差值取0.001～0.00001，利用特征數據F和類別數據s作為訓練樣本生成神經網絡記為net；

步驟4，計算雷達探測場景中每個空間分辨單元的歸一化功率方差、多普勒帶寬、多普勒譜熵和多普勒譜峰值功率比，形成雷達回波的特征矩陣Y_4×J×k：

雷達接收回波數據記為復數矩陣X_N×J×k，其中N表示每個雷達空間分辨單元的脈沖數，J和K分別表示雷達回波數據的距離單元數和方位單元數，如步驟1所述，計算每個雷達空間分辨單元的歸一化功率方差、多普勒帶寬、多普勒譜熵和多普勒譜峰值功率比，形成雷達回波的特征矩陣Y_4×J×k；

步驟5，將雷達回波的特征矩陣Y_4×J×k中每個雷達空間分辨單元的四個特征值作為神經網絡net的輸入進行預測，當輸出結果小于等于0.5時將類別標簽記為0，即判斷為海雜波單元，當輸出結果大于0.5時將類別標簽記為1，即判斷為地雜波單元。