[发明专利]一种多波段雷达目标识别的数据融合算法及系统在审
申请号: | 201911329241.X | 申请日: | 2019-12-20 |
公开(公告)号: | CN110967678A | 公开(公告)日: | 2020-04-07 |
发明(设计)人: | 宋扬;刘辰;熊曾静 | 申请(专利权)人: | 安徽博微长安电子有限公司 |
主分类号: | G01S7/41 | 分类号: | G01S7/41;G06K9/62 |
代理公司: | 合肥市上嘉专利代理事务所(普通合伙) 34125 | 代理人: | 叶洋军;郭华俊 |
地址: | 237010 *** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 波段 雷达 目标 识别 数据 融合 算法 系统 | ||
本发明公开了一种多波段雷达目标识别的数据融合算法及系统,包括:数据获取模块,用于获取被识别目标体的电磁回波,特征提取模块,用于对所述电磁回波的回波数据,数据融合模块,用于利用特定融合算法将提取的多个所述特征数据融合为一种特征数据F;类别识别模块,用于根据上述融合后的特征数据F,来对所述被识别目标体的进行分类;图像处理模块,用于利用技术及图像转化原理将融合后的特征数据F转化为可视图像。通过利用雷达系统发射多波段电磁波,然后对被识别目标体的多波段电磁回波进行线性判别分析提取目标的特征,并将多波段的特征进行融合,将融合后的特征通过分类算法进行分类,能够得到不同被识别目标体的类别。
技术领域
本发明涉及雷达目标特性探测领域,具体涉及一种多波段雷达目标识别的数据融合算法及系统。
背景技术
在现代战争中,由于电子进攻技术的发展,有源雷达雷达系统正面临着反辐射导弹、隐身飞机等先进武器,以及综合电子干扰、低空突防等作战手段日益严重的威胁。因此要提高雷达的生存能力,充分发挥雷达的效能,必须综合采用各种对抗措施。
在传统有源雷达领域中,提出了许多对抗四大威胁的措施,包括采用特定设计的信号波形实现低截获、提高雷达的机动性防止反辐射导弹的攻击等。然而,由于地球曲率的限制使得有源雷达对超低空飞行的巡航导弹的有效探测距离减小,使预警时间缩短。为实现对低空目标探测而采用的低仰角天线波束配置时,低空目标反射的微弱信号隐藏在地杂波噪声中,很难分辨。
而利用多个接收站截获的目标自身辐射源所发射的信号来对目标定位的无源雷达,是对抗反辐射导弹的有效措施。它通过测量目标信号到达各站的时延和到达角参数,确定辐射源及其载体平台(目标)的位置。但是当目标采取无线电静默而不发射信号时,这种无源雷达将失效。
现有技术中的雷达信号处理终端和目标识别平台,能够利用目标在米波、P波段、L波段、S波段、C波段、X波段、ka、ku波段等雷达反射特性来识别目标,但是,使用单一的波段来识别判断目标的特性,很容易出现错判漏盘的可能性,因此需要设计一种多波段雷达目标识别的数据融合算法及系统,通过米波、P波段、L波段组合的多波段雷达以及S波段、C波段、X波段、ka波段段组合的多波段雷达目标特性来识别目标。
申请号为201711072686.5的中国专利公开了一种基于多波段雷达的目标识别方法、装置及系统,其中的方法是采用两种波段的回波信号进行处理,并通过两种波段的回波信号的特征数据进行目标的识别。这种方法是采用了2种回波信号进行目标识别的,存在有准确性比较低的缺点,只能应用于民用无人机的监控和识别,目标识别的算法比较粗糙,无法满足军用的高精度和高准确度的要求。
发明内容
为克服现有技术的缺陷,本发明的目的在于提供一种多波段雷达目标识别的数据融合算法及系统,通过获取目标不同多波段特性,实现更加准确的识别目标。
为此,本发明提出了一种多波段雷达目标识别的数据融合算法,包括:获取被识别目标体的电磁回波,其中所述电磁回波包括多个波段的回波信号;多个波段的回波信号包括第一波段回波信号、第二波段回波信号以及第三波段回波信号;
对所述电磁回波的回波数据,采用线性判别分析方法提取所述被识别目标体的特征;所述被识别目标体的特征包括第一特征数据、第二特征数据和第三特征数据;所述第一特征数据是从第一波段回波信号提取的;所述第二特征数据是从第二波段回波信号提取的;所述第三特征数据是从第三波段回波信号提取的;
利用特定数据融合算法,将提取的多个所述特征数据融合为一种特征数据F;
根据上述融合后的特征数据F,来对所述被识别目标体的进行分类;
利用技术及图像转化原理将融合后的特征数据F转化为可视图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽博微长安电子有限公司,未经安徽博微长安电子有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911329241.X/2.html,转载请声明来源钻瓜专利网。