[发明专利]基于高分辨一维距离像的雷达目标长度计算方法

说明书

技术领域

本发明是一种用于基于警戒雷达系统，实现高分辨一维距离像下雷达目标长度计算方法，利用雷达目标的长度信息可以实现雷达目标的粗分类。

背景技术

雷达目标的高分辨距离像是用宽带雷达信号获取的目标散射点子回波在雷达射线上投影的向量和的幅度波形。高分辨距离像样本反映了在一定雷达视角时，雷达目标上散射体的雷达散射截面积沿雷达视线的分布情况，体现了散射点的相对几何关系，因此高分辨一维距离像能够反映出雷达目标在雷达视线上精细的几何结构特征，通过统计散射点的相对几何关系可以估算雷达目标的长度，长度是雷达目标的一个较为直观的特征，利用雷达目标的长度信息可以实现雷达目标的粗分类。

基于高分辨一维距离像的技术研究是雷达领域的研究热点之一，目前很多研究是基于模板匹配的，如在2007年3月南京理工大学学位论文《基于一维距离像的雷达目标识别》中提出的利用基于模糊极小极大神经网络和基于支持向量机的方法对一维距离像模板进行分类器训练进行模板匹配的方法。

与其他文献中提出的方法不同，本发明针对雷达目标的散射点结构特征，通过估算雷达目标的长度，实现雷达目标的粗分类。

发明内容

本发明的目的在于提供一种解决预警雷达系统的高分辨一维距离像下雷达目标长度的计算方法，有效地实现雷达目标的粗分类。通过本发明，能够在预警雷达系统中实现在视距内对各种运动状态下的海面、地面中大型目标进行有效的长度计算，并且计算雷达目标长度误差在真实雷达目标长度的10%之内。

实现本发明的技术解决方案为：

首先对接收到的一维距离像检测全局极大值和全局极小值，做序列归一初始化处理；计算每幅一维距离像的归一信噪比；对序列归一初始化后的一维距离像，计算其峰度矩阵，利用离群峰度法剔除异常一维距离像；对剔除异常一维距离像后的一维距离像做模糊幂级数变换处理；对模糊幂级数变换处理后的一维距离像做非相干积累；根据虚警概率和正态分布分布特性设置雷达目标一维距离像局部阈值；计算雷达目标的径向长度；计算雷达目标的长度。

本发明与现有技术相比，其显著优点为：

采用离群峰度法剔除异常一维距离像的预处理方法，能够准确、有效地剔除一维距离像信息中的异常一维距离像，而且其实现方法简单。采用模糊幂级数变换方法提高一维距离像归一信噪比，能够有效的提高一维距离像的归一信噪比。采用分析虚警概率和正态分布特性设置雷达目标一维距离像局部阈值的方法，能够准确、有效地提取出雷达目标一维距离像信息，该方法具有自适应性好，检测概率高的特点。本发明的提出和工程实现在雷达目标检测和识别领域具有很高的推广应用价值。

下面结合附图对本发明作进一步详细描述。

附图说明

图1是本发明的数据流程图。

图2是序列归一初始化处理后的归一信噪比计算和峰度计算示意图。

图3是本发明的离群峰度法剔除异常一维距离像示意图。

图4是本发明的模糊幂级数变换处理示意图。

图5是本发明的非相干积累示意图。

图6是本发明的雷达目标一维距离像提取示意图。

具体实施方式

本发明高分辨一维距离像下雷达目标长度计算方法具体实施步骤为，参见附图1：

(1) 一维距离像的序列归一初始化处理，方法如下：

确定一维距离像的全局极大值和全局极小值，计算样本数据与全局极小值的差值和全局极大值与全局极小值差值的比值。

                                                 

其中是一维距离像样本数据，是样本数据的全局极大值，是样本数据的全局极小值，是序列归一初始化处理后的样本数据。

(2) 计算一维距离像的归一信噪比，方法如下：

根据高分辨一维距离像分辨率和雷达目标径向长度关系，可以估算出雷达目标一维距离像在高分辨一维距离像中所占的距离单元个数为：

 

其中L是雷达目标长度，在这里选取现有雷达目标长度集合的最小上限，s是雷达距离分辨率，M是雷达目标在高分辨一维距离像中的距离单元个数。

确定一维距离像的全局极大值的位置，默认全局极大值前后各距离单元为雷达目标一维距离像距离单元区域，将余下的距离单元视为噪声并平均分组，分别求取每组的全局极大值，选取全局极大值集合中的中间值作为噪声，计算归一信噪比。

 

其中为归一信噪比，为噪声。