[发明专利]基于噪声先验的联合高斯模型雷达目标稳健识别方法

摘要

本发明提出了一种基于噪声先验的联合高斯模型雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理；将预处理之后的数据取模获得其时域特征；确定雷达训练目标高分辨距离像数据每一帧的联合高斯模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像数据非信号支撑区中噪声的方差，并以此计算联合高斯模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像数据时域特征对应每一个雷达训练目标的后验概率值；确定雷达测试目标高分辨距离像数据的类别属性。本发明具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。

主权项

1.基于噪声先验的联合高斯模型雷达目标稳健识别方法，包括如下步骤：(1)对雷达训练目标高分辨距离像数据进行角域分帧、帧内对齐和信号能量归一化的预处理，对雷达测试目标高分辨距离像数据进行信号能量归一化的预处理；(2)对预处理后的雷达训练目标高分辨距离像数据和雷达测试目标高分辨距离像数据取模得到它们的时域特征；(3)用雷达训练目标高分辨距离像数据的每一帧时域特征，来训练联合高斯模型，先求得雷达训练目标高分辨距离像数据每一帧联合高斯模型的均值μ，并通过最大期望EM算法确定雷达训练目标高分辨距离像数据每一帧联合高斯模型的加载矩阵∑_x和噪声协方差矩阵ψ_noise；(4)统计预处理后的雷达测试目标高分辨距离像中非信号支撑区的噪声方差(5)根据雷达测试目标高分辨距离像中非信号支撑区的噪声方差对上述联合高斯模型的均值μ和噪声协方差ψ_noise进行修正，得到雷达训练目标高分辨距离像数据每一帧联合高斯模型的均值修正值μ₀和噪声协方差修正值ψ₀：(5a)计算对应于第c个目标第m帧的雷达训练目标的辅助函数f(x^(c，m))：f(x(c,m))=Πl-1L∫0∞∫0∞2x(c,m)(l)πσn2w2πΣx(c,m)(l)Σx(c,m)(l)T(1-(w2+v2-x(c,m)(l)22wv)2)exp(-((w-μ(c,m)(l))22Σx(c,m)(l)Σx(c,m)(l)T)-(v2σn2))dwdv,]]>其中，上标(c，m)表示参数对应于第c个目标的第m帧，w和v为用于积分的变量，x^(c，m)(l)表示雷达训练目标高分辨距离像x^(c，m)第l个距离单元，μ^(c，m)(l)表示第c个目标第m帧联合高斯模型的均值中的第l个元素，表示第c个目标第m帧联合高斯模型的加载矩阵中第l行，(·)^T表示矩阵的转置操作，L表示雷达训练目标高分辨距离像时域特征中距离单元个数；(5b)根据辅助函数f(x^(c，m))，计算第c个目标第m帧联合高斯模型的均值修正值5b1)根据辅助函数f(x^(c，m))，计算辅助向量α^(c，m)，α^(c，m)是一个L×1维向量，它的第l个元素α^(c，m)(l)表示为：α(c,m)(l)=∫0∞···∫0∞x(c,m)(l)f(x(c,m))dx(c,m)(1)···dx(c,m)(L);]]>5b2)计算第c个目标第m帧联合高斯模型的均值修正值μ0(c,m)=α(c,m)-μ(c,m),]]>其中，μ^(c，m)表示第c个目标第m帧联合高斯模型的均值；(5c)根据辅助函数f(x^(c，m))计算第c个目标第m帧联合高斯模型的噪声协方差的修正值5c1)根据辅助函数f(x^(c，m))，计算第c个目标第m帧的雷达训练目标的辅助矩阵φ^(c，m)，φ^(c，m)是L×L维的矩阵，它的第l₁行l₂列的元素φ^(c，m)(l₁，l₂)表示为：φ(c,m)(l1,l2)=∫0∞···∫0∞((x(c,m)(l1)-α(c,m)(l1))((x(c,m)(l2)-α(c,m)(l2))f(x(c,m))dx(c,m)(1)···dx(c,m)(L),]]>其中α^(c，m)(l)为辅助向量α^(c，m)中的第l个的元素；5c2)根据辅助矩阵φ^(c，m)，计算第c个目标第m帧联合高斯模型的噪声协方差的修正值ψ0(c,m)=diag(φ(c,m)-Σx(c,m)Σx(c,m)T)-ψnoise(c,m),]]>其中diag(·)表示令矩阵非对角线元素置零操作，表示时域特征x_test对应于第c个目标第m帧联合高斯噪声协方差矩阵；(6)根据雷达训练目标高分辨距离像数据每一帧联合高斯模型的均值μ、均值的修正值μ₀、加载矩阵∑_x、噪声协方差矩阵ψ_noise及噪声协方差修正值ψ₀，计算雷达测试目标高分辨距离像数据时域特征x_test与每一个雷达训练目标相对应的后验概率值p(x_test|c)：p(xtest|c)=maxm((2π)-L2(det(B(c,m)))-12exp(-12(xtest-μ(c,m)-μ0(c,m))T(B(c,m))-1(xtest-μ(c,m)-μ0(c,m)))),]]>其中，它表示时域特征x_test对应于第c个目标第m帧联合高斯模型协方差矩阵，m＝1，…，M_c，c＝1，…，N_c，表示时域特征x_test对应于第c个目标第m帧联合高斯噪声协方差矩阵，上标(c，m)表示参数对应于第c个目标的第m帧，det(·)表示求矩阵的行列式操作，(B^(c，m))^-1表示求协方差矩阵B^(c，m)的逆，M_c表示第c个目标的包含的帧数，N_c表示雷达训练目标总数；(7)取雷达训练目标相对应的后验概率值p(x_test|c)中最大值所对应的雷达训练目标的类别属性，作为雷达测试目标高分辨距离像数据的类别属性。