[發(fā)明專利]一種高超聲速彈載雷達(dá)目標(biāo)抗雜檢測(cè)與智能鑒別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310242259.6
• 申請(qǐng)日: 2023-03-14
• 公開（公告）號(hào): CN116299217A
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 吳巍;王子墨;薛冰;劉丹丹
• 申請(qǐng)（專利權(quán)）人: 中國人民解放軍海軍工程大學(xué)
• 主分類號(hào): G01S7/36
• 分類號(hào): G01S7/36;G01S7/41;G01S7/40;G06F18/2411
• 代理公司: 濟(jì)南立木專利代理事務(wù)所(特殊普通合伙) 37281
• 代理人: 張清東

1.一種高超聲速彈載雷達(dá)目標(biāo)抗雜檢測(cè)與智能鑒別方法，其特征在于包括以下技術(shù)措施：

步驟一、開展海雜波實(shí)驗(yàn)數(shù)據(jù)分析，獲得不同入射余角和不同海情下海雜波數(shù)據(jù)的頻譜特征，獲得海雜波頻譜的先驗(yàn)分布，將海雜波頻譜用高斯曲線來近似

其中，f₀為海雜波的中心頻率，σ_c為海雜波的頻譜標(biāo)準(zhǔn)差，且σ_c＝2σ_v/λ，σ_v為海雜波速度分布的均方根值，λ為雷達(dá)電磁波波長(zhǎng)；

步驟二、KL散度的海雜波頻譜估計(jì)與歸一化抑制，具體方法為：

采用一種塊中值自適應(yīng)譜估計(jì)方法，在時(shí)頻域內(nèi)多普勒頻率單元的譜估計(jì)值，根據(jù)鄰近距離門的海雜波估計(jì)濾波器的參數(shù)，得到相應(yīng)的自適應(yīng)頻譜濾波器，并進(jìn)行基于自適應(yīng)頻譜濾波器的海雜波抑制，在時(shí)頻域內(nèi)多普勒頻率單元n_k的譜估計(jì)值用下式來表示

P(n_k)＝median{F_SF-PRPFT(m,n),1≤m≤L,n_k-h≤n≤n_k+h}

采用多個(gè)單元的中值估計(jì)得到每個(gè)頻率點(diǎn)的多普勒值，完成海雜波的多普勒譜估計(jì)，并利用估計(jì)出的多普勒譜歸一化信號(hào)中的海雜波；利用先驗(yàn)得到的海雜波在對(duì)應(yīng)的入射余角和海清情況下的頻譜分布與P(n_k)比較，采用KL散度來計(jì)算兩者的擬合度

當(dāng)兩個(gè)分布完成相等時(shí)，KL(Q||P)＝0。通過求解KL散度的最小化，來確定Q分布參數(shù)海雜波的中心頻率f₀，海雜波的頻譜標(biāo)準(zhǔn)差σ_c以及系數(shù)c₀，這樣我們當(dāng)分布與先驗(yàn)分布最匹配時(shí)，KL(Q||P)取最小值，這樣可以實(shí)時(shí)得到頻譜的分布P，并利用估計(jì)獲得的頻譜對(duì)海雜波進(jìn)行歸一化處理；

步驟三、將經(jīng)過步驟二海雜波頻譜歸一化抑制處理后，對(duì)信號(hào)進(jìn)行短時(shí)傅里葉變換，得到新的頻域的二維矩陣信號(hào)，積累后得到新的二維矩陣信號(hào)；

步驟四、基于支持向量機(jī)的海雜波智能鑒別，具體方法為：

由于不同海雜波環(huán)境對(duì)應(yīng)的海雜波分布有差別，因此對(duì)步驟三得到的二維矩陣進(jìn)行CFAR，采用基于支持向量機(jī)的方法來確定恒虛警門限；由于海雜波實(shí)驗(yàn)數(shù)據(jù)里大多數(shù)時(shí)候是沒有目標(biāo)的，因此利用支持向量機(jī)對(duì)海雜波數(shù)據(jù)進(jìn)行訓(xùn)練，獲得分類器；海雜波在線CFAR檢測(cè)時(shí)，利用獲取的分類器，實(shí)現(xiàn)目標(biāo)和海雜波的分類。

2.一種高超聲速彈載雷達(dá)目標(biāo)抗雜檢測(cè)與智能鑒別方法，其特征在于權(quán)利要求1步驟四中分類器的獲取方法具體為

(1)入不同入射余角、不同海情的純海雜波數(shù)據(jù)集、目標(biāo)信號(hào)數(shù)據(jù)集和預(yù)設(shè)的虛警概率；

(2)對(duì)訓(xùn)練數(shù)據(jù)提取特征組建特征向量，選取海雜波的形態(tài)、海雜波持續(xù)時(shí)間、海雜波的RCS三個(gè)特征作為特征量，其定義分別為：

(a)海雜波的形態(tài)：利用形態(tài)學(xué)理論，確定海雜波占用的距離單元和方位單元的個(gè)數(shù)；

(b)海雜波持續(xù)時(shí)間：利用信號(hào)的確知性和雜波的起伏性，比較不同幀之間信號(hào)的起伏特性；

(c)海雜波的RCS：通過海雜波所在距離，根據(jù)雷達(dá)方程反推海雜波RCS，將RCS作為一個(gè)特征量；

(3)將提取到的純海雜波特征向量通過SVDD訓(xùn)練算法生成SVDD分類器，將不同入射余角、不同海情的分類器門限構(gòu)成數(shù)據(jù)表；

(4)提取測(cè)試數(shù)據(jù)的特征，并組建特征向量，計(jì)算得到特征向量，提取平臺(tái)當(dāng)前時(shí)刻對(duì)應(yīng)的SVDD分類器門限，通過比較特征向量和分類器門限，實(shí)現(xiàn)對(duì)目標(biāo)的檢測(cè)。