[发明专利]基于状态空间模型的雷达高分辨距离像目标识别方法

摘要

本发明提出了一种基于状态空间模型的雷达高分辨距离像目标识别方法，主要解决现有雷达高分辨距离像目标识别技术中，训练样本需求量大，识别性能差的问题。其实现过程是：提取训练样本归一化后的频谱幅度信号作为训练样本的识别特征；对训练样本的识别特征用状态空间模型建模；用期望最大化方法估计训练样本状态空间模型的所有参数，并将所有参数存入识别系统模板库；提取测试样本归一化后的频谱幅度信号作为测试样本的识别特征，并对测试样本的识别特征进行识别。本发明具有训练样本需求量小，识别性能高的优点，可用于对雷达目标的识别。

主权项

一种基于状态空间模型的雷达高分辨距离像目标识别万法，包括如下步骤：1)对高分辨距离像训练样本进行傅里叶变换，将其转换到频域，并对训练样本的频域信号取模值，得到训练样本的频谱幅度信号y＝[y1，y2，...，yd]，其中，yf是训练样本的频谱幅度信号y的第f个元素，f＝1，2，...，d，d表示训练样本的频谱幅度信号y的维度，然后对训练样本的频谱幅度信号y进行归一化，将训练样本归一化后的频谱幅度信号z作为训练样本的识别特征；2)对训练样本的识别特征z建立状态空间模型，即观测方程zf和状态方程xf+1：                          zf＝Cxf+vf，                          xf+1＝Axf+wf，其中，zf表示训练样本的识别特征z的第f维元素，xf是zf对应的隐状态，C是观测方程zf的观测矩阵，vf是观测方程zf的观测噪声，观测噪声vf服从均值为0，方差为σ2的高斯分布，f＝1，2，...，d，xf+1是zf+1对应的隐状态，zf+1表示训练样本的识别特征z的第f+1维元素，A是状态方程xf+1的状态转移矩阵，wf是状态方程xf+1的状态噪声，状态噪声wf服从均值为0，协方差矩阵为R的高斯分布，f＝1，2，...，d；3)用期望最大化方法估计训练样本识别特征的观测方程的观测矩阵C、观测噪声vf的方差σ2、状态方程的状态转移矩阵A和状态噪声wf的协方差矩阵R，并将这些参数存入识别系统的模板库；4)提取高分辨距离像测试样本的归一化频谱幅度信号z′作为高分辨距离像测试样本的识别特征，用各类目标模板库中观测方程和状态方程的参数，分别计算测试样本的识别特征z′的后验概率，得到一组后验概率值，选择该组后验概率值中最大后验概率值对应的目标类别，作为识别结果。