[发明专利]基于重采样预处理的雷达重频变化稳健目标识别方法

权利要求书

1.一种基于重采样预处理的雷达重频变化稳健目标识别方法，其特征在于，通过重采样预处理，使得所有待识别回波信号的脉冲重复频率与训练集中回波信号的脉冲重复频率保持一致，该方法的步骤包括如下：

(1)生成训练集：

(1a)提取包含D个类别目标的P个相同脉冲重复频率下的雷达回波信号作为训练数据集，D≥3，P≥2400；

(1b)利用区域CLEAN方法，对训练数据集中的每个回波信号进行杂波抑制；

(1c)利用全域CLEAN方法，去除杂波抑制后的每个回波信号中的主体分量；

(1d)对去除主体分量的每个回波信号的幅度进行模二范数归一化处理，得到归一化处理后的训练集；

(2)生成训练特征矩阵：

(2a)对训练集中每个回波信号，进行快速傅里叶变换，得到训练集的多普勒域回波信号；

(2b)对训练集的多普勒域回波信号进行幅值归一化；

(2c)对幅值归一化后训练集的多普勒域回波信号的提取频域二阶矩、四阶矩、频域波形熵和频域幅值方差特征，构造N×4维的训练样本特征矩阵，其中N的取值与训练集的样本总数P相等；

(2d)对训练样本特征矩阵归一化，得到训练特征矩阵；

(3)训练SVM分类器：

选用SVM分类器并将其核函数设置为高斯核函数，将训练特征矩阵输入到SVM分类器中训练，得到训练好的SVM分类器；

(4)获取测试集：

将实时接收的Q个雷达的回波信号组成测试集，Q≥1；

(5)对测试集进行常规预处理：

(5a)利用区域CLEAN方法，对测试集中的每个回波信号进行杂波抑制；

(5b)利用全域CLEAN方法，去除杂波抑制后测试集中每个回波信号的主体分量；

(5c)对去除主体分量后的测试集中每个回波信号的幅度进行模二范数归一化处理，得到归一化后的测试集；

(6)对测试集进行重采样预处理：

(6a)将训练集中回波信号的脉冲重复频率设定为基准重频；

(6b)当测试集中回波信号的脉冲重复频率为基准重频的整数倍时，对测试集的回波信号进行等间隔抽取，使该回波信号的脉冲重复频率与标准重频保持一致；

(6c)当基准重频为测试集中回波信号的脉冲重复频率的整数倍时，利用三次样条插值方法，对测试集的每个回波信号进行插值，使该回波信号的脉冲重复频率与标准重频保持一致；

(6d)当测试集中回波信号的脉冲重复频率与基准重频为非整数倍时，先利用三次样条插值方法对测试集的每个回波信号进行插值，将该回波信号的脉冲重复频率升高到基准重频和测试集中回波信号的脉冲重复频率的最小公倍数，再利用等间隔抽取的方法，对该回波信号进行插值，使该回波信号的脉冲重复频率与基准重频保持一致；

(7)生成测试特征矩阵：

(7a)对重采样预处理后的测试集中每个回波信号进行快速傅里叶变换，得到测试集的多普勒域回波信号；

(7b)对测试集的多普勒域回波信号进行幅值归一化；

(7c)从幅值归一化后测试集的多普勒域回波信号中分别提取频域二阶矩、四阶矩、频域波形熵和频域幅值方差特征，构造M×4维的测试样本特征矩阵，其中M的取值与测试集的样本总数Q相等；

(7d)对测试样本特征矩阵进行归一化，得到测试特征矩阵；

(8)目标识别：

将测试特征矩阵输入到训练好的SVM分类器中，得到识别结果。