[发明专利]不确定性外形的电大非合作目标分类识别方法

权利要求书

1.一种不确定性外形的电大非合作目标分类识别方法，其特征在于，包括如下步骤：

步骤1、通过NURBS建模将外形不确定性和SBR快速成像结合：对目标表面用三角形网格离散，物体中任意一点的坐标用随机变量α表示，将SBR快速成像公式中和三角形坐标有关的项与随机变量α相结合；

建立和外形不确定性联系的SBR快速成像公式：对目标表面用三角形网格离散，NURBS建模能将物体上任意一点的坐标用随机变量α表示，将SBR快速成像公式中和三角形坐标有关的项与随机变量α相结合，具体方法如下：

建立基于SBR的快速成像公式，O(x,z)表示物体形状函数，公式如下：

h(x,z)＝sinc(k₀θ₀x)·sinc(Δkz) (3)

其中j表示虚数单位的相反数，k₀表示中心频率对应的波数，θ₀表示扫角宽度，Δk表示扫频宽度，x表示方位向，z表示距离向；(ΔA)_iexit表示每个三角形面元的面积，表示对所有射线管做累加求和，x_i表示第i个三角形面元的重心位置矢量的x分量，z_i表示第i个三角形面元的重心位置矢量的z分量，表示入射波的入射方向，表示每个三角形面元的重心位置矢量；

B^irays为在小角度近似下与电磁场有关的量，其公式为：

B^irays＝(-s₁E₃+s₃E₁-s₂H₃+s₃H₂)+θ(s₁H₂-s₂H₁) (4)

其中s₁表示反射方向的x分量，s₂表示反射方向的y分量，s₃表示反射方向的z分量；E₁表示电场的x分量，E₂表示电场的y分量，E₃表示电场的z分量；H₁表示磁场的x分量，H₂表示磁场的y分量，H₃表示磁场的z分量；θ表示入射波的俯仰角；

利用sinc函数的特点将O(x,z)写成卷积的形式进行加速计算，如式(5)所示：

O(x,z)＝I(x,z)*h(x,z) (5)

其中其中δ表示冲击函数；再通过插值方法将非均匀采样脉冲序列I(x,z)转换成均匀采样序列I′(x,z)：

其中，Δx为方位向分辨率，Δz为距离向分辨率，(m_a)_i，(m_b)_i,(n_a)_i，(n_b)_i为第i个三角形面元相关的插值指数，(β_a)_i，(β_b)_i，(β_c)_i，(β_d)_i为第i个三角形面元相关的插值系数，具体公式如式(7)和式(8)所示：

将随机变量α引入SBR快速成像公式中，得：

即外形不确定性便和SBR快速成像公式相结合；

步骤2、建立不确定性外形电大非合作目标的样本库：确定平面波的入射方向，根据扰动法对含有随机变量α的SBR快速成像公式求解，获得确定入射角度下的不确定外形目标的二维ISAR图像，将这些图像作为训练集样本；改变入射角度后获得不确定外形目标的二维ISAR图像作为测试集样本；具体方法如下：

由公式(9)可得，当随机变量引入到面元三角形坐标中时，不确定性就引入到了SBR快速成像公式中；对于不确定性外形，可以表示为相应的随机变量α_i在闭合区间[α^c-Δα,α^c+Δα]内随机取值，其中α^c表示模型不发生变化时随机变量的取值，Δα表示模型外形发生变化时，随机变量的最大变化量；i＝1,…n，其中n表示随机变量的个数；

根据扰动法的原理，公式(9)可在α^c处用一阶泰勒级数展开，如下所示：

n表示随机变量的个数，Δα_i表示第i个随机变量的变化量；表示SBR快速成像公式O(α)在α^c处对随机变量的偏导数；

因此通过式(10)可得到由于不确定性外形引起的形状函数的扰动变化量Δb为：

当随机变量方向为z方向时，偏导项公式如下：

其中N，M分别表示二维平面两个方向上控制点的个数，为第i个三角形面元第1个顶点上的分段有理基函数，为第i个三角形面元第2个顶点上的分段有理基函数，为第i个三角形面元第3个顶点上的分段有理基函数；k_iz表示入射波的入射方向矢量的z分量

对于不同的变化量Δα_i，当入射波方向、物体电尺寸、工作频率确定后公式(13)计算出的值不变，在计算过程中只需要计算一次；至此，当入射波俯仰角确定时，根据公式(10)得到所有变化量下的二维ISAR图像中的每个像素点的值O(x,z)，对入射波方位角在一定角度范围内扫描角度得到不同姿态的外形不确定非合作目标的二维ISAR图像，将这些图像作为训练集样本；改变入射波俯仰角，按建立训练集样本方式建立测试集样本；

步骤3、对不确定性外形电大非合作目标的分类识别：将训练集样本中不确定外形目标二维ISAR图像的像素值作为卷积神经网络的输入，经过特征提取后建立神经网络模型；将测试集样本输入神经网络得到分类识别结果。