[发明专利]一种改进的SVM一维像舰艇和货船分类方法

说明书

本发明公开一种改进的SVM一维像舰艇和货船分类方法。首先通过常规宽带相参雷达获舰艇和货轮的高分辨一维像信息，并对这些数据进行预处理，获得目标特征数据，清洗异常数据，再对清洗后的一维像特征数据进行尺度变换后，再次进行特征二次提取；将二次提取后的总数据集分为训练数据集和测试数据集两部分，采用改进的最小二乘SVM模型；利用训练数据集对SVM模型进行训练；使用测试数据集对训练好的SVM事件检测模型性能进行检验，然后将SVM模型用于舰艇和货轮分类。该方法工程实现简单、充分利用积累数据资源，依靠单传感器信息就能实现对舰艇与货船分类。

技术领域

本发明涉及一维像分类识别领域。

技术背景

一维像特征参数提取技术是一维像目标识别性能最佳发挥的关键。在光学区，目标的雷达散射截面主要是由镜面反射和不连续处散射决定，理论计算和实验测量均表明，目标总的电磁散射可以认为是某些局部位置上的电磁散射的合成，这些局部性的散射源通常被称为强散射中心。强散射中心与目标表面的物理结构有关，反映了目标的精细结构特性。目标的一维距离像是用宽带雷达信号获取的目标散射点子回波在雷达射线上投影的向量和的幅度波形。一维距离像样本反映了在一定雷达视角时，目标上散射体的雷达散射截面积沿雷达视线的分布情况，体现了散射点的相对几何关系，因此一维距离像能够反映出目标在雷达视线上精细的几何结构特征。通过分析舰船目标的物理结构特征和一维距离像特征，对目标一维距离像强散射中心在距离单元上的分布进行分布特征统计，进行舰艇与货船分类。

油轮甲板非常平，除驾驶舱外几乎没有其它耸立在甲板上的东西。如图1，一维距离像中左侧部分为船头，右侧为船尾，可以看出船尾部分的回波幅度很强，并偏向于一侧，其他部分回波幅度较弱。舰艇的上层建筑比较多，并且多分布在舰的中心位置附近，舰头和舰尾的上层建筑较少，如图2，一维距离像中左侧部分为舰头，右侧为舰尾，可以看出回波幅度较强部分位于中心，两侧回波幅度分布较均匀，也比较密集，呈现对称状态。

舰艇和民用货(油)轮有着显著的结构特征差异，导致了两类目标的一维距离像回波的分布特征差异：

1、民用货(油)轮的结构特征表现在尾部有较大的上层建筑，其是一个明显的散射体，其回波表现为尾部有很强的回波出现。舰艇的上层建筑密集切多集中在中间部分，其回波表现为中部有很强的回波出现。

2、民用货(油)轮的一维距离像回波幅度较强散射中心位于船尾的一侧，同时一维距离像很少对称；舰艇的一维距离像回波幅度较强的散射中心一般趋于居中位置，有一定的对称趋势。

目前很多雷达目标高分辨距离像的识别是基于现有的若干目标特性进行分类，如2002年中国民航学院学报《一种基于高分辨距离像自动目标识别新技术》中提出的一种基于高分辨距离像的联合对准与识别新方法，对固定的8个目标进行分类。基于固定目标的一维像目标分类或者模板匹配受已有目标影响，只能在已知的几类目标中作区分。

发明内容

为解决对未知目标身份分类的判断问题，针对常规的所有舰艇和货船，本发明提出了一种一维像舰艇和货轮分类的方法，通过一维像特征参数提取、用不同目标一维像训练改进的SVM模型，实现海上舰艇编队对视距内各种运动状态下的舰艇与货船的有效分类。

本发明提出的一种改进的SVM一维像舰艇和货船分类方法，采用的技术解决方案为：

Step1：通过雷达一维像数据预处理获得目标特征数据，具体为根据目标占获取一维像长度的比例进行预判，分类取截取门限gate，再根据截取门限截取CFAR后的目标数据，获得目标特征数据；

Step2：判断雷达一维像特征数据特征，清洗异常数据；

Step3：对清洗后的一维像特征数据进行尺度变换，形成统一长度的标准一维像格式，假设变化前有n个点，变换后的标准格式是m个点，原始数据为P(i),i＝1,2,3,...,n，变换后的数据为P’(j),j＝1,2,3,...,m，变化规则为：