[发明专利]基于复数AGC模型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，因而成为雷达目标识别领域研究的热点。

基于统计模型的识别方法是一种重要的雷达高分辨距离像自动目标识别方法。一维高分辨距离像的统计识别是指根据测试样本在各类别下的类后验概率的大小确定该测试样本的类别归属的识别方法。相关文献中提出了利用多种统计建模进行目标识别的方法，这些模型包括自适应高斯AGC模型、主分量分析PCA联合高斯模型、概率主分量分析PPCA联合高斯模型和因子分析FA联合高斯模型等。其中自适应高斯AGC模型假设距离像各距离单元相互独立且服从高斯分布，通过训练样本的平均像和方差像建立统计模型，根据测试样本在各类别下的类后验概率的大小最终确定目标类别标号。

通常情况下，使用高信噪比条件下的训练样本建立自适应高斯AGC模型，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。

相关文献提出了两种基于自适应高斯AGC模型的噪声背景下距离像识别方法：第一种方法是在实距离像训练样本的方差像上直接加噪声方差，称之为基于近似解修正的噪声稳健识别方法，该方法运算小，但识别率较差；第二种方法是建立高斯模型，分别修正实距离像训练样本的平均像和方差像，称之为基于高斯模型的噪声稳健识别方法，该方法识别率较好，但运算量较大。

发明内容

本发明的目的在于：提供一种基于复数AGC模型的噪声背景下雷达目标识别方法，以解决上述已有技术的在噪声背景条件下无法兼备识别率高和运算量小的不足。

实现本发明的基本思路是：使用复距离像训练样本求出其方差像，通过估计出的复距离像测试样本的信噪比修正复距离像训练样本的方差像，通过修正后方差像和复距离像测试样本计算各类别下的类后验概率的判决值，确定出目标类别标号。具体步骤包括如下：

(1)将高信噪比条件下获得的多类目标的雷达距离像回波数据作为复距离像训练样本集X={X₁，X₂，…，X _c，..X_E}，其中X_c是第c类目标的复距离像训练样本，c=1，2，…，E，E表示目标总类别数；

(2)计算模值平均像和方差像：

2a)将第c类目标复距离像训练样本X_c分为F帧，计算第c类模值平均像m_c={m_c1，m_c2，…，m_ck，…m_cF}和方差像∑_c={∑_c1，∑_c2，…，∑_ck，…∑_cF}，其中m_ck为第c类第k帧模值平均像，∑_ck为第c类第k帧方差像，k=1，2，…，F，F表示样本帧数；

2b)重复步骤2a)共E次得到所有类模值平均像m={m₁，m₂，…，m_c，…m_E}和方差像∑={∑₁，∑₂，…，∑_c，…∑_E}，c=1，2，…，E；

(3)将雷达系统获取到的某个未知目标的距离像回波作为测试目标距离像样本y，计算该测试目标距离像样本y的信噪比R：