[发明专利]基于双圆极化高分辨一维距离像HRRP的目标鉴别方法有效
申请号: | 202010446380.7 | 申请日: | 2020-05-25 |
公开(公告)号: | CN111580062B | 公开(公告)日: | 2023-03-10 |
发明(设计)人: | 刘峥;马晓瑛;王晶晶;谢荣;朱红茹 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G01S7/41 | 分类号: | G01S7/41 |
代理公司: | 陕西电子工业专利中心 61205 | 代理人: | 陈宏社;王品华 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 极化 分辨 距离 hrrp 目标 鉴别方法 | ||
1.一种基于双圆极化高分辨距离像HRRP的目标鉴别方法,其特征在于包括如下步骤:
(1)获取训练样本集和测试样本集:
(1a)设双圆极化雷达向探测范围内存在的M个不同类型的感兴趣目标,即库内目标发射电磁波,经库内目标反射后同极化通道接收的LL回波和交叉极化通道接收的RL回波的数量均为N,M≥1,N>>M;设双圆极化雷达所发射电磁波经待鉴别目标反射后同极化通道接收的LL回波和交叉极化通道接收的RL回波的数量均为Nb,Nb≥1;设信杂比门限为th,与库内目标类型不同的目标称为库外干扰;
(1b)对库内目标的N个LL回波和RL回波分别进行FFT变换,得到库内目标的N个LL极化HRRP和N个RL极化HRRP,并选取其中大于th的Na个LL极化HRRP和Na个RL极化HRRP作为训练样本集,其中M≤Na≤N,LLi和RLi分别表示训练样本集中第i个LL极化HRRP和RL极化HRRP;
(1c)对待测LL极化HRRP和RL极化HRRP试目标的Nb个LL回波和RL回波分别进行FFT变换,得到待测试目标的Nb个LL极化HRRP和Nb个RL极化HRRP并将L2和R2作为测试样本集,其中,LLl和RLl分别表示测试样本集中第l个LL极化HRRP和RL极化HRRP;
(2)获取训练样本集的鉴别特征集和测试样本集的鉴别特征集:
(2a)对训练样本集中的L1和R1,以及测试样本集中的L2和R2分别进行m-χ极化分解,得到训练样本集的奇次散射分量偶次散射分量和体散射分量以及测试样本集的奇次散射分量偶次散射分量和体散射分量
(2b)对Vs1、Vd1、Vv1、Vs2、Vd2和Vv2的幅度最大值特征fms、fmd、fmv、hms、hmd和hmv,以及重心特征fgs、fgd、fgv、hgs、hgd和hgv进行组合,得到训练样本集的鉴别特征集F=[fm;fg]和测试样本集的鉴别特征集H=[hm;hg],其中:fm=[fms;fmd;fmv]、fg=[fgs;fgd;fgv]、hm=[hms;hmd;hmv]、hg=[hgs;hgd;hgv];
(3)对训练样本集的鉴别特征集进行聚类:
对训练样本集的鉴别特征集F进行聚类,得到C个特征子区域X1,X2,…,Xn,…,XC,F=X1∪X2…∪Xn…∪XC,其中Xn表示第n个特征子区域,Xn=[xn1,xn2,…,xn(j-1),xnj,xn(j+1),…,xnm],xnj表示第n个特征子区域中第j个特征向量,n=1,2,…,C,j=1,2,…,m,m表示第n个特征子区域中特征向量个数;
(4)利用DW-SVDD算法计算各个特征子区域的分类子超平面参数:
(4a)基于k近邻距离算法计算Xn中每个特征向量xnj的密度权重ρ(xnj);
(4b)针对特征子区域Xn利用拉格朗日乘子法对DW-SVDD算法的目标函数进行求解,得到C个特征子区域对应的拉格朗日乘子向量A=[α1,α2,…,αn,…,αC],其中αn=[αn1,αn2,…,αn(j-1),αnj,αn(j+1),…,αnm],αnj表示第n个特征子区域的拉格朗日乘子向量αn中第j个拉格朗日乘子;
(4c)拉格朗日乘子向量αn中大于0的t个拉格朗日乘子αnj对应的序号j记为qn={qs=j|αnj>0,s=1,2,…,t},该t个拉格朗日乘子αnj构成向量αnp表示αn*中第p个拉格朗日乘子,将第n个特征子区域Xn=[xn1,xn2,…,xnj,…,xnm]中下标j与qn中qs相等的t个特征向量记为该特征子区域Xn的支持向量SVn=[sv1,sv2,…,svy-1,svy,svy+1,…,svt],y=1,2,…,t,从而得到C个特征子区域的支持向量集合SV=[SV1,SV2,…,SVn,…,SVC];
(4d)利用第n个特征子区域的αn*和支持向量SVn计算得到该特征子区域的支持向量域半径Rn,从而得到C个特征子区域的支持向量域半径集合R=[R1,R2,…,Rn,…,RC];
该步骤计算得到的αn*、SVn和Rn即为第n个特征子区域的分类子超平面参数;
(5)对测试样本集进行目标鉴别:
根据第n个特征子区域对应的αn*、SVn和Rn,n的取值从1到C,判断测试样本集的鉴别特征集H是否满足下式成立,若成立则测试样本集中的目标类型为库内目标,否则为库外干扰,并将此判断结果记为一种基于双圆极化HRRP的目标鉴别鉴别结果:
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西安电子科技大学,未经西安电子科技大学许可,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/202010446380.7/1.html,转载请声明来源钻瓜专利网。