[发明专利]一种高超声速弹载雷达目标抗杂检测与智能鉴别方法

权利要求书

1.一种高超声速弹载雷达目标抗杂检测与智能鉴别方法，其特征在于包括以下技术措施：

步骤一、开展海杂波实验数据分析，获得不同入射余角和不同海情下海杂波数据的频谱特征，获得海杂波频谱的先验分布，将海杂波频谱用高斯曲线来近似

其中，f₀为海杂波的中心频率，σ_c为海杂波的频谱标准差，且σ_c＝2σ_v/λ，σ_v为海杂波速度分布的均方根值，λ为雷达电磁波波长；

步骤二、KL散度的海杂波频谱估计与归一化抑制，具体方法为：

采用一种块中值自适应谱估计方法，在时频域内多普勒频率单元的谱估计值，根据邻近距离门的海杂波估计滤波器的参数，得到相应的自适应频谱滤波器，并进行基于自适应频谱滤波器的海杂波抑制，在时频域内多普勒频率单元n_k的谱估计值用下式来表示

P(n_k)＝median{F_SF-PRPFT(m,n),1≤m≤L,n_k-h≤n≤n_k+h}

采用多个单元的中值估计得到每个频率点的多普勒值，完成海杂波的多普勒谱估计，并利用估计出的多普勒谱归一化信号中的海杂波；利用先验得到的海杂波在对应的入射余角和海清情况下的频谱分布与P(n_k)比较，采用KL散度来计算两者的拟合度

当两个分布完成相等时，KL(Q||P)＝0。通过求解KL散度的最小化，来确定Q分布参数海杂波的中心频率f₀，海杂波的频谱标准差σ_c以及系数c₀，这样我们当分布与先验分布最匹配时，KL(Q||P)取最小值，这样可以实时得到频谱的分布P，并利用估计获得的频谱对海杂波进行归一化处理；

步骤三、将经过步骤二海杂波频谱归一化抑制处理后，对信号进行短时傅里叶变换，得到新的频域的二维矩阵信号，积累后得到新的二维矩阵信号；

步骤四、基于支持向量机的海杂波智能鉴别，具体方法为：

由于不同海杂波环境对应的海杂波分布有差别，因此对步骤三得到的二维矩阵进行CFAR，采用基于支持向量机的方法来确定恒虚警门限；由于海杂波实验数据里大多数时候是没有目标的，因此利用支持向量机对海杂波数据进行训练，获得分类器；海杂波在线CFAR检测时，利用获取的分类器，实现目标和海杂波的分类。

2.一种高超声速弹载雷达目标抗杂检测与智能鉴别方法，其特征在于权利要求1步骤四中分类器的获取方法具体为

(1)入不同入射余角、不同海情的纯海杂波数据集、目标信号数据集和预设的虚警概率；

(2)对训练数据提取特征组建特征向量，选取海杂波的形态、海杂波持续时间、海杂波的RCS三个特征作为特征量，其定义分别为：

(a)海杂波的形态：利用形态学理论，确定海杂波占用的距离单元和方位单元的个数；

(b)海杂波持续时间：利用信号的确知性和杂波的起伏性，比较不同帧之间信号的起伏特性；

(c)海杂波的RCS：通过海杂波所在距离，根据雷达方程反推海杂波RCS，将RCS作为一个特征量；

(3)将提取到的纯海杂波特征向量通过SVDD训练算法生成SVDD分类器，将不同入射余角、不同海情的分类器门限构成数据表；

(4)提取测试数据的特征，并组建特征向量，计算得到特征向量，提取平台当前时刻对应的SVDD分类器门限，通过比较特征向量和分类器门限，实现对目标的检测。