[发明专利]基于噪声先验的联合高斯模型雷达目标稳健识别方法

说明书

技术领域

本发明属于雷达技术领域，涉及稳健自动目标识别，具体的说是一种雷达目标高分辨距离像的噪声稳健目标识别方法，可用于雷达自动目标识别。

背景技术

雷达自动目标识别技术可以提供目标属性、类别、型号等信息，高分辨雷达通常工作在微波波段，目标及其部件的长度远长于波长，这时雷达目标可近似为一组离散的散射点。相应地，雷达发射信号被目标散射点后向散射，通过幅度调制的延时后形成散射点子回波，雷达目标高分辨距离像即为各散射点子回波的向量和，这就是高分辨雷达目标的散射点模型。这个模型被广泛地应用于雷达自动目标识别。

建立雷达自动目标识别统计模型分两个阶段，分别是训练阶段和测试阶段。在训练阶段，用于训练的雷达目标高分辨距离像是通过实验雷达或者电磁仿真得到的，训练样本的信噪比比较高。而在测试阶段，用于训练的雷达目标高分辨距离像的信噪比和目标特定方位反射特性以及大气条件相关，无法保证高信噪比。当使用测试雷达目标高分辨距离像的信噪比不高的情况下，测试雷达目标高分辨距离像的噪声会影响到测试雷达目标高分辨距离像的统计特性，造成训练阶段得到的雷达自动目标识别统计模型和测试阶段得到的雷达目标高分辨距离像不匹配，大大降低了雷达自动目标识别统计模型的识别性能。

目前国内外有许多机构都开展了雷达自动目标识别统计模型的噪声稳健性研究，这些研究考察了测试的雷达目标高分辨距离像被噪声污染后的雷达自动目标识别统计模型的稳健性。L.Du，H.-W.Liu，Z.Bao和J.-Y.Zhang 2006年在IEEE Trans.on S.P.上发表的A two-distribution compounded statistical model for radar HRRP target recognition文章建立了基于高斯和伽马分布的雷达自动目标识别统计模型，并且考察了该模型在测试的雷达目标高分辨距离像被噪声污染后的稳健性。L.Du，H.-W.Liu，Penghui Wang，Bo Feng，Mian Pan和Z.Bao 2012年在IEEE Trans.on S.P.发表的Noise Robust Radar HRRP Target Recognition Based on Multitask Factor Analysis with Small Training Data Size文章建立了多任务的因子分析雷达自动目标识别统计模型，并考察了该模型在测试的雷达目标高分辨距离像的信噪比比较低时该模型的稳健性。陈凤2009年在西安电子科技大学博士学位论文雷达自动目标识别技术研究中建立了一个自适应模型来实现的雷达目标高分辨距离像被噪声污染后的稳健识别，但是该模型没有用到噪声的先验知识，性能下降较快。上述这些方法的共同缺点如下：

1)只给出了雷达自动目标识别模型在测试雷达目标高分辨距离像各个信噪比下的识别性能，而没有利用测试雷达目标高分辨距离像中的噪声先验来改进雷达自动目标识别统计模型。

2)提出的雷达自动目标识别统计模型不稳健，在使用测试雷达目标高分辨距离像的信噪比不高的情况下，识别性能很差。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于噪声先验的联合高斯模型雷达目标稳健识别方法，以通过对雷达目标原始高分辨距离像进行有效的预处理和雷达目标时域特征提取，建立稳健的雷达联合高斯模型，提高在测试雷达目标高分辨距离像低信噪比下雷达目标识别的性能。

实行本发明的技术原理是：根据测试雷达目标高分辨距离像的信噪比来调整训练阶段得到的联合高斯模型中的模型参数，使训练阶段得到的雷达联合高斯模型和测试阶段得到的雷达目标高分辨距离像匹配以提高识别效果。

根据以上原理，本发明的实现步骤包括如下：

(1)对雷达训练目标高分辨距离像数据进行角域分帧、帧内对齐和信号能量归一化的预处理，对雷达测试目标高分辨距离像数据进行信号能量归一化的预处理；

(2)对预处理后的雷达训练目标高分辨距离像数据和雷达测试目标高分辨距离像数据取模得到它们的时域特征；

(3)用雷达训练目标高分辨距离像数据的每一帧时域特征，来训练联合高斯模型，先求得雷达训练目标高分辨距离像数据每一帧联合高斯模型的均值μ，并通过最大期望EM算法确定雷达训练目标高分辨距离像数据每一帧联合高斯模型的加载矩阵∑_x和噪声协方差矩阵ψ_noise；

(4)统计预处理后的雷达测试目标高分辨距离像中非信号支撑区的噪声方差