[发明专利]基于多视角下一维像决策层融合的雷达目标识别方法

说明书

本发明涉及一种基于多视角下一维像的决策层融合的雷达目标识别的实现方法。该方法主要适用于协同体系下常规宽带相参警戒雷达的雷达目标识别。其主要流程是：首先对各视角下的一维像进行数据预处理；设置各视角下目标一维像能量聚集区提取门限；对各视角下目标一维像能量聚集区进行提取；计算各视角下雷达目标姿态；对各视角下目标一维像进行模板匹配；然后基于改进D‑S证据理论进行各视角下目标一维像模板匹配融合判决；最后进行雷达目标识别。本发明所提供的方法具有工程实现简单、决策层融合效果好、所用方法理论依据充分等特点，并且多视角下雷达目标识别正确率相较于单视角下雷达目标识别正确率提高在10％以上。

技术领域

本发明是一种用于基于协同体系下常规宽带相参警戒雷达系统，实现多视角一维像下雷达目标识别方法，实现雷达目标的粗分类。

背景技术

在多视角下一维像的基础上，通过决策层融合等实现雷达目标识别，利用雷达目标识别信息可以实现雷达目标的分类。配合现有探测设备的改造，可以在现有探测设备的基础上大力提升协同目标识别能力。

目前很多一维像的技术研究是基于单视角下一维像进行的，如在2013年4月西安电子科技大学学位论文《雷达高分辨距离像目标识别技术研究》中提出的一种基于时域特征的截断过程隐马尔科夫模型，并建立了基于TSB-HMM模型的分层识别方法，利用TSB-HMM模型结合时域特征和功率谱特征对一维像进行识别，实现单视角下的雷达目标识别。

与其他文献中提出的方法不同，本发明针对在基于多视角下一维像的基础上，通过决策层融合的雷达目标识别方法，实现雷达目标的分类。

发明内容

本发明的目的在于提供一种解决协同体系下的多视角下一维像决策层融合的雷达目标识别方法，有效地实现雷达目标的分类。通过本发明，能够实现海上舰艇编队对视距内各种运动状态下的雷达目标进行有效的分类，并且多视角一维像下的雷达目标识别正确率在单视角一维像下的雷达目标识别正确率基础上提高10％。

实现本发明的技术解决方案为：

首先对各视角下的一维像数据进行剔除坏像、非相干积累等预处理；对非相干积累后的目标一维像设置目标一维像能量聚集区提取门限；提取各视角下目标一维像能量聚集区距离单元前后沿，标定目标一维像能量聚集区；利用雷达目标的航向和方位信息计算雷达目标各视角下的姿态角；计算各视角下目标一维像能量聚集区的中心距，利用目标姿态信息和中心距结合最大相关系数法进行中心距模板匹配，利用目标姿态信息和目标一维像能量聚集区结合最大相关系数法进行能量聚集区模板匹配，对各视角下的中心距模板匹配和能量聚集区模板匹配进行决策层融合判定，输出各视角下模板匹配结果；在各视角下模板匹配输出结果的基础上，结合各视角下目标的姿态信息和目标一维像信噪比信息进行基于改进D-S证据理论的各视角下目标一维像模板匹配融合判决；最后根据最大相关判决准则进行雷达目标识别。

本发明与现有技术相比，其显著优点为：

采用决策层融合判定法对各视角下的中心距模板匹配和能量聚集区模板匹配进行综合判定的方法，能够快速、有效地进行各视角下的目标一维像模板匹配，该方法具有自适应好，计算量小，运行效率高等特点。基于改进D-S证据理论的各视角下目标一维像模板匹配融合判决方法，能够准确、有效地消除不用视角下不同探测距离、不同姿态造成的一维像姿态敏感性、平移敏感性和强度敏感性的影响。本发明的提出和工程实现在雷达目标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是本发明的中心距模板匹配结果输出示意图。

图3是本发明的能量聚集区模板匹配结果输出示意图。

图4是本发明的各视角下一维像模板匹配结果输出示意图。