[发明专利]基于功率谱特征修正的噪声背景下雷达目标识别方法

说明书

技术领域

本发明属于雷达技术领域，涉及目标识别方法，可用于对噪声背景下飞机、车辆等目标进行识别。

背景技术

高分辨距离像是宽带雷达信号的目标散射点回波在雷达射线方向上投影的向量和，可以提供目标散射点回波在距离方向的大概分布情况，对目标的识别具有重要价值，因而成为雷达自动目标识别领域研究的热点。

实际应用中由于高分辨距离像在距离窗口出现的随机性，使距离像具有平移敏感性问题，因而直接利用距离像识别需要进行平移对齐。常用的距离像对齐方法有滑动相关法和绝对对齐法，滑动相关法精度较高，但是计算复杂，而绝对对齐法计算简单，但是精度较低。同时距离像本身是高维数据，直接用于目标识别会增加计算量和存储空间，导致识别速度较慢。提取平移不变特征不仅可以避免平移敏感性问题，而且可以大大降低运算量。相关文献中提出了多种利用平移不变特征进行目标识别的方法，这些特征包括功率谱特征、中心矩特征、自回归系数特征、双谱特征等。其中高分辨距离像的功率谱特征具有平移不变和计算简单的特点，可以直接作为特征用于雷达目标的识别处理。有文献指出，功率谱特征的能量主要集中于低频部分，低频部分在识别实验中起决定性作用，而高频部分存在较大的冗余，对识别实验的作用不明显，故识别实验中可以只使用功率谱低频部分作为特征用于识别。一般选取功率谱特征的前10维用于识别。

高信噪比条件下功率谱特征具有较好的识别效果。通常情况下，分类器的训练样本是固定不变的，这时训练样本的信噪比一般很高，噪声部分基本可以忽略不计，当测试样本的信噪比也很高时，测试样本与训练样本的噪声分量匹配，这时的识别效果较好。然而在实际应用环境中，受到目标距离雷达远近等诸多因素的影响，测试样本的信噪比很低，噪声部分不能被忽略，测试样本与训练样本的噪声分量失配，影响识别效果。

发明内容

本发明的目的在于提供一种噪声背景条件下的目标识别方法，以解决上述已有技术的在噪声背景条件下识别率低的不足。

实现本发明的基本思路是：通过使用训练样本的功率谱特征训练线性相关向量机分类器，通过修正测试样本的功率谱特征，得到修正后的测试样本的功率谱特征，将修正后的测试样本的功率谱特征输入到线性相关向量机分类器，确定出目标类别标号。具体步骤包括如下：

(1)从雷达回波数据库中取出多类目标作为训练目标，并对其回波进行脉冲压缩，得到训练目标的距离像样本x_a，采用2-范数强度归一化方法归一化训练距离像样本x_a，得到归一化后的训练样本||x_a||为训练样本x_a的2-范数；

(2)将归一化后的训练样本z_a进行傅里叶变化，并取其模值的平方，得到z_a的功率谱特征：D_a＝{D_a(0),D_a(1),…,D_a(p),…D_a(K-1)}，其中D_a(p)是训练样本功率谱特征D_a的第p维元素，p＝0,1,…,K-1，K表示功率谱特征的维度；

(3)使用训练样本的功率谱特征训练线性相关向量机分类器，得到线性相关向量机分类器的权系数：W＝{ω(0),ω(1),…,ω(q),…ω(C-1)}，其中：

ω(q)＝{ω(0,q),ω(1,q),…,ω(K-1,q)}^T是权系数的第q维元素，q＝0,1,…,C-1，C为训练目标类别数；

(4)雷达系统将检测到的某个未知目标作为测试目标，并对该测试目标回波进行脉冲压缩，得到测试目标的距离像样本x_b；

(5)估计测试目标的距离像样本x_b的信噪比R，采用2-范数强度归一化方法归一化距离像样本x_b，得到归一化后的测试目标距离像样本z_b：

其中，||x_b||为测试目标距离像样本x_b的2-范数；

(6)修正测试样本的功率谱特征：

6a)将归一化后的测试样本z_b进行傅里叶变化，并取其模值的平方，得到z_b的