[发明专利]不确定性外形的电大非合作目标分类识别方法

说明书

本发明公开了一种不确定性外形的电大非合作目标分类识别方法，该方法步骤如下：首先通过对电大非合作目标使用非有理B样条技术建立模型，将模型外形变化和基于SBR的快速成像公式相结合；然后通过扰动法获得在不同入射角度下不确定外形目标的二维ISAR图像，并根据这些图像建立不确定性外形电大非合作目标的样本库；最后使用卷积神经网络对具有外形不确定性的电大非合作目标分类识别。本发明基于扰动法的原理，将随机变量引入到SBR快速成像公式中，避免了蒙特卡罗方法的重复建模以及重复调用SBR快速成像求解器进行求解的过程，能快速地获得强散射点的幅值变化，从而快速建立不确定性外形目标的样本库以用于目标的分类识别。

技术领域

本发明属于目标电磁散射特性数值计算领域，特别是一种不确定性外形的电大非合作目标分类识别方法。

背景技术

目标识别与分类的原理是利用目标回波中的特征信息通过数学上的各种多维空间变换来估算目标的大小、形状等参数，最后根据大量的训练样本确定鉴别函数并在分类器中进行识别判决。尽管已经有许多目标检测与识别方法，但是通常存在需要大量的样本去训练分类器的限制，且在现实应用中，人们往往难以针对某一具体的目标去找到成千上万的样本。在国防工业中，雷达目标的ISAR成像在自动目标识别(Automatic TargetRecognition,ATR)和隐身飞机设计中具有重要意义，在识别过程中需要大量目标的图像用于识别和判断，但ISAR图像的仿真非常耗时，目标外形不确定时更是如此。对具有不确定性外形的电大非合作目标快速建立样本库是本发明研究的重点。

对于解决外形不确定这一类问题，蒙特卡罗方法(Monte Carlo method)是很好的工具，它是二十世纪四十年代被提出用于解决以概率统计一类问题的重要数值计算方法。蒙特卡罗方法利用随机数进行统计实验，以求得的统计值(如均值、概率等)作为代求问题的数值解。与其他数值计算方法相比，蒙特卡罗方法有如下几个优点：(1)收敛速度与问题维数无关；(2)受问题的条件限制小；(3)在计算机上实现蒙特卡罗计算时，程序结构清晰明了，便于调试。

但是蒙特卡罗方法的收敛速度慢，要获得小的收敛精度往往需要较大的计算步数，而且计算时间受限于计算机存储量大小。

发明内容

本发明的目的在于提供一种不确定性外形的电大非合作目标分类识别方法。

实现本发明目的的技术解决方案为：一种不确定性外形的电大非合作目标分类识别方法，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；

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；

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。

本发明与现有技术相比，其显著优点为：(1)对外形不确定目标建模方便，少量的相互独立的控制点就能改变目标的外形；将目标表面离散为三角形面元，将三角形面元的空间坐标与随机变量相联系，便于将随机变量引入到SBR快速成像公式中；(2)基于扰动法的原理，将普遍存在的外形不确定性与SBR快速成像公式相结合，只需要对理论模型进行一次建模且只需计算一次公式结果就能快速且正确地获得强散射点幅度变化的信息，不需要对多次外形变化的模型重复建模以及重复调用SBR快速成像的求解器，极大的减少了计算时间；(3)建立样本库速度快；在快速获得强散射点的信息后,快速输出在所有扫描角度下、随机变量区间内所有采样点下的所有ISAR图像，即可快速建立训练集样本库和测试集样本库。