[发明专利]一种雷达目标微动特征提取与智能分类方法及系统

说明书

本发明涉及一种雷达目标微动特征提取与智能分类方法及系统，属于雷达目标识别领域，首先获取雷达回波数据，经脉冲压缩后得到雷达二维数据；雷达二维数据为距离‑方位二维数据或者距离‑慢时间二维数据；然后再对雷达二维数据进行雷达目标检测，确定雷达目标所在的单元；再获取雷达目标所在的单元的待提取微动特征的目标数据；然后采用稀疏时频分析法或高分辨压缩变换法进行微动特征提取；最终将提取到的微动特征输入至多尺度神经网络模型中，得到微动特征的分类结果。本发明可有效提升对雷达目标微动特征的识别分类精度。

技术领域

本发明涉及雷达目标识别领域，特别是涉及一种雷达目标微动特征提取与智能分类方法及系统。

背景技术

基于雷达回波信号幅度信息进行例如海面等环境下的目标检测时，受环境影响，存在海尖峰或信杂比(Signal-to-Clutter Ratio，SCR)较低时，由于杂波与目标幅度特征类似，检测性能有限。而雷达回波信号中不仅包含回波幅度信息，还包含相位信息。微多普勒技术的发展为目标检测与分类提供了有效途径，研究表明海面目标也具有微动特性，主要表现为目标速度的变化和目标受海浪影响发生的横滚、俯仰和偏航等姿态变化，这些变化信息均表现为目标或散射点瞬时速度的变化，可反映目标的运动状态，为海上目标的检测和识别提供更多的有效信息。目标与海杂波在速度变化上存在差异，微多普勒可反映目标或散射点瞬时速度变化，为目标检测提供更多有效信息，时间-多普勒谱成为海面目标检测中重要的信号形式。信号时频分析方法是变换域处理的一类特例，其用于雷达目标检测本质是对目标信号进行相参积累，从而达到改善信杂比的目的，如线性变换的短时傅里叶变换(Short-time Fourier Transform，STFT)、分数阶傅里叶变换(Fractional FourierTransform，FRFT)等；非线性变换的维格纳威利分布(Wigner-Vill Distribution，WVD)、分数阶模糊函数(Fractional Ambiguity Function，FRAF)等，但该类方法分辨率有限，并且需与目标运动特性相匹配时才能达到较高的积累增益，对海杂波背景下的复杂运动目标检测性能有限。海面目标微动特征并不具有较为规律的调频周期特性，其时变性导致其存在检测、提取和识别难的问题，亟需发展和研究更加智能化的方法和手段。

目前，对于实际雷达，尚未有完整的提取微动特征以及利用微动特征进行分类的方法，尤其是实现高分辨微动特征提取的同时，如何快速有效的实现目标运动状态的分类识别是实际工程应用中亟需解决的问题。

发明内容

本发明的目的是提供一种雷达目标微动特征提取与智能分类方法及系统，以提高雷达目标微动特征的提取和分类识别能力，提升对雷达目标微动特征的分类精度，解决现有技术中存在的雷达目标微动特征检测、提取和识别难的问题。

为实现上述目的，本发明提供了如下方案：

一种雷达目标微动特征提取与智能分类方法，包括：

获取雷达回波数据，经脉冲压缩后得到雷达二维数据；所述雷达二维数据为距离-方位二维数据或者距离-慢时间二维数据；

根据所述雷达二维数据进行雷达目标检测，确定所述雷达目标所在的单元；所述单元为距离-方位单元或距离单元；

获取所述雷达目标所在的单元的待提取微动特征的目标数据；

采用稀疏时频分析法或高分辨压缩变换法提取所述微动特征；

将所述微动特征输入到神经网络分类模型中，得到所述微动特征的分类结果。

可选的，所述获取雷达回波数据，经脉冲压缩后得到雷达二维数据，具体包括：

对于扫描体制雷达，获取所述扫描体制雷达的距离-方位二维回波数据；

对于凝视探测或驻留模式雷达，获取所述凝视探测或驻留模式雷达的距离-慢时间二维回波数据；