[发明专利]一种面向低分辨率雷达的舰船分类识别方法

说明书

本发提供一种面向低分辨率雷达的舰船分类识别方法。本发明的实现包括分类器训练和待测舰船目标识别两部分：对于分类器训练，首先采集雷达回波序列轮廓像数据，基于回波数据和船舶自动识别系统报文构造数据集；提取八种特征组成特征向量集；对特征向量归一化，保存归一化参数；基于归一化后的特征向量集，对支持向量机进行参数寻优并训练，保存训练好的模型。对于待测舰船目标识别，首先采集待测舰船目标数据；提取八种特征组成特征向量；利用归一化参数，对特征向量归一化；利用基于八维特征的SVM分类器对舰船按长度分类判决；输出分类结果和置信度。

技术领域

本发明属于雷达探测领域，尤其涉及一种面向低分辨率雷达的舰船分类识别方法。

背景技术

海上舰船目标识别在海上监测、军事侦察等军事领域，以及海上搜救、维持海面交通等民用领域具有重要意义。由于高分辨雷达的在成像时间较长、研究成本和周期要求较高，且现役雷达大部分为窄带低分辨雷达，因此面向低分辨雷达的舰船目标识别具有很高的应用价值。

低分辨雷达频宽较窄，径向距离分辨力差，雷达回波序列特征易混叠。相比一维回波序列，由距离和方位角组成的二维轮廓像不仅提供了回波幅值信息，也反映了其与方位角的关联信息。因此，基于回波序列二维轮廓像提取雷达目标特征，为目标更精确的识别提供了有利的辅助信息。同时，多维特征的提取，可以从不同角度反映目标的多种特性，进而提高目标分类的准确率。

目前面向低分辨雷达的舰船目标识别存在分类类别数较少、准确率不够高的问题。

发明内容

本发明目的在于提供一种面向低分辨率雷达的舰船分类识别方法,以解决分类类别数较少、准确率不够高的技术问题。

为解决上述技术问题，本发明的具体技术方案如下：

一种面向低分辨率雷达的舰船分类识别方法，包括以下步骤：

步骤1、基于雷达回波数据和船舶自动识别系统报文构造数据集；

步骤2、对八维特征向量进行提取；其中，八维特征包括轮廓像面积、目标横向长度、雷达散射截面积、回波幅度峰值、目标速度、图像能量、图像不变矩1和图像不变矩2；八维特征向量提取是从目标形状、雷达散射截面积、回波幅度、目标速度属性和二维灰度图像属性五个角度反映舰船目标特性，提高分类识别准确率；

步骤3、分类器参数寻优与训练方法；

步骤4、对雷达目标进行分类识别。

进一步的，所述步骤3中对分类器训练与参数寻优方法包括以下步骤：

步骤3.1、对特征向量归一化，得到用于训练的特征向量集；

步骤3.2、基于该特征向量集，使用惯性权重和学习因子线性递减的PSO算法对分类器的径向基核函数参数γ和惩罚因子C进行寻优；

步骤3.3、基于该特征向量集，训练分类器；

步骤3.4、保存归一化参数和训练好的模型。

进一步的，所述步骤4中对雷达目标进行分类识别包括以下步骤：

步骤4.1、利用步骤3保存的归一化参数对该特征向量归一化；

步骤4.2、利用步骤3训练好的模型进行分类识别；

步骤4.3、输出分类结果和置信度。本发明的一种面向低分辨率雷达的舰船分类识别方法，具有以下优点：

(1)本发明基于已架设好的C波段雷达回波数据和AIS报文构造舰船目标数据集，便于后续特征提取与训练工作。