[发明专利]一种基于决策加权融合的雷达炮弹目标识别方法

说明书

技术领域

本发明属于雷达目标识别方法，涉及常规低分辨雷达对炮弹类目标的识别方法，尤其涉及炮弹类目标的多特征融合识别方法。

背景技术

现代战场中，火箭炮、火炮和迫击炮是目前使用最为频繁的攻击性武器。在战争中，若能及时探测并识别出这类炮弹目标，就有可能在炮弹引爆前对其实施有效拦截，提高防空作战能力，减少损失，掌握战场主动权。而利用雷达技术来对敌方目标进行探测识别是当前最为有效地技术手段之一。

目前，雷达目标识别方法的研究热点主要集中在高分辨雷达识别方面。高分辨雷达的目标回波可以反映目标的形状、大小和结构等细节信息。这些信息可作为目标识别的有效特征。而现役雷达多为常规低分辨雷达，不能获得目标的结构特征，基于高分辨雷达的目标识别方法对低分辨雷达并不适用。因此，从实际应用出发，根据要识别的目标的不同，针对常规低分辨雷达研究专门的目标识别技术具有重要意义。

发明内容

本发明的目的在于基于现役常规低分辨雷达，提供一种基于决策加权融合的雷达炮弹目标识别方法。

本发明根据炮弹类目标具有确定飞行轨迹的特点，首先使用常规雷达探测目标的位置信息，并以此计算目标的飞行高度、飞行速度、轨迹曲率、垂直方向加速度等轨迹特征，利用这些轨迹特征采用决策树算法进行分类识别。再使用雷达获取的目标飞行过程中的雷达散射截面(Radar Cross-Section，RCS)值，提取RCS序列的均值、方差、最大值等特征，利用这些RCS特征采用支持向量机算法进行分类识别。最后将两种识别结果进行加权决策融合，得到最终的识别结果。

一种基于决策加权融合的雷达炮弹目标识别方法，具体如下：

S1、由雷达探测获得各目标在飞行过程中的RCS序列和位置序列构成轨迹序列，将所述轨迹序列随机分为训练数据集、测试数据集和待识别目标数据集，其中，一个RCS序列由连续的n个采样时刻的RCS值构成，所述位置序列由连续的n个采样时刻的距离R，方位角A和俯仰角E构成，1≤n≤N，N为测试样本总数，10＜N≤20；

S2、根据S1所述位置序列提取采样时刻i的目标j的运动特征，所述运动特征包括目标j飞行速度V_i，目标j飞行高度Z_i，目标j垂直方向加速度目标j水平方向加速度和目标j轨迹曲率θ_i，将所述运动特征构成五维的目标j运动特征矢量集X，其中，j＝1,2,…,M，i＝1,2,…,N，M为目标类别数；