[发明专利]基于噪声先验的独立高斯模型的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独立高斯模型的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；对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独立高斯模型的均值和方差；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；确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值和协方差的修正值；计算雷达测试目标高分辨距离像数据对各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和测试运算量小的优点，可用于对雷达飞机目标的稳健识别。

主权项

1.一种基于噪声先验的独立高斯模型的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)对雷达训练目标高分辨距离像数据每一帧的时域特征，训练独立高斯模型，并通过最大似然估计算法确定雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值μ和协方差∑。(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独立高斯模型的均值μ和协方差∑进行修正，得到雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值修正值μ₀和协方差修正值∑₀：(5a)计算对应于第c个目标第m帧的雷达训练目标高分辨距离像的第l个距离单元x^(c，m)(l)的概率密度函数f(x^(c，m)(l))：f(x(c,m)(l))=∫0∞∫0∞2x(c,m)(l)πσn2w2πΣ(c,m)(l,l)(1-(w2+v2-x(c,m)(l)22wv)2)exp(-((w-μ(c,m)(l))22Σ(c,m)(l,l)T)-(v2σn2))dwdv,l=1,···L,]]>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，μ^(c，m)(l)表示第c个目标第m帧独立高斯模型的均值中的第l个元素，∑^(c，m)(l，l)表示第c个目标第m帧独立高斯模型方差中对角线上的第l个元素，(·)^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)根据概率密度函数f(x^(c，m)(l))，计算第c个目标第m帧独立高斯模型的均值修正值μ0(c,m)(l)=∫0∞x(c,m)(l)f(x(c,m)(l))dl-μ(c,m)(l),l=1,···L,]]>其中表示第c个目标第m帧独立高斯模型的均值修正值中的第l个元素，x^(c，m)(l)表示第l个距离单元；(5c)根据和计算第c个目标第m帧独立高斯模型的协方差的修正值该协方差的修正值为对角矩阵，其对角线上第l个元素为：Σ0(c,m)(l,l)=∫0∞(x(c,m)(l)-μ0(c,m)(l))2f(x(c,m)(l))dl-Σ(c,m)(l,l),l=1···L;]]>(6)根据雷达训练目标高分辨距离像数据每一帧的独立高斯模型的均值μ及均值的修正值μ₀和协方差∑及协方差的修正值∑₀，计算雷达测试目标高分辨距离像数据时域特征与每一个雷达训练目标相对应的后验概率值：(6a)计算雷达测试目标高分辨距离像数据的时域特征x_test对应于第c个目标第m帧的独立高斯模型的后验概率值p(x_test|c，m)：p(xtest|c,m)=Πl=1L12π(Σ(c,m)(l,l)+Σ0(c,m)(l,l))+πσn2exp(-(xtest(l)-μ(c,m)(l)-μ0(c,m)(l))22(Σ(c,m)(l,l)+Σ0(c,m)(l,l))+σn2),]]>其中x_test(l)表示雷达测试目标高分辨距离像时域特征中的第l个距离单元；(6b)计算对应于第c个雷达训练目标的后验概率值p(x_test|c)：p(xtest|c)=maxmp(xtest|c,m),m=1,···,Mc,]]>其中M_c表示第c个目标的包含的帧数；(7)将最大后验概率值对应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。