[发明专利]基于功率谱特征修正的噪声背景下雷达目标识别方法

摘要

本发明公开了一种基于功率谱特征修正的噪声背景下的雷达目标识别方法，主要解决现有技术在噪声背景下直接使用未修正的功率谱特征进行目标识别，导致识别率差的问题。其实现过程是：对训练样本强度归一化；提取归一化训练样本的功率谱特征；使用训练样本的功率谱特征训练分类器，得到分类器的权系数；对测试样本强度归一化，提取测试样本的功率谱特征，求出功率谱特征的修正项，修正测试样本的功率谱特征；使用训练好的分类器对修正的测试样本功率谱特征进行分类，确定目标类别标号。本发明具有对噪声稳健的优点，可用于雷达目标识别。

主权项

1.一种基于功率谱特征修正的噪声背景下雷达目标识别方法，包括如下步骤：(1)从雷达回波数据库中取出多类目标作为训练目标，并对其回波进行脉冲压缩，得到训练目标的距离像样本x_a，采用2-范数强度归一化方法归一化训练距离像样本x_a，得到归一化后的训练样本||x_a||为训练样本x_a的2-范数；(2)将归一化后的训练样本z_a进行傅里叶变化，并取其模值的平方，得到z_a的功率谱特征：D_a＝{D_a(0),D_a(1),…,D_a(p),…D_a(K-1)}，其中D_a(p)是训练样本功率谱特征D_a的第p维元素，p＝0,1,…,K-1，K表示功率谱特征的维度；(3)使用训练样本的功率谱特征训练线性相关向量机分类器，得到线性相关向量机分类器的权系数：W＝{ω(0),ω(1),…,ω(q),…ω(C-1)}，其中：ω(q)＝{ω(0,q),ω(1,q),…,ω(K-1,q)}^T是权系数的第q维元素，q＝0,1,…,C-1，C为训练目标类别数；(4)雷达系统将检测到的某个未知目标作为测试目标，并对该测试目标回波进行脉冲压缩，得到测试目标的距离像样本x_b；(5)估计测试目标的距离像样本x_b的信噪比R，采用2-范数强度归一化方法归一化距离像样本x_b，得到归一化后的测试目标距离像样本z_b：其中，||x_b||为测试目标距离像样本x_b的2-范数；(6)修正测试样本的功率谱特征：6a)将归一化后的测试样本z_b进行傅里叶变化，并取其模值的平方，得到z_b的功率谱特征D_b：D_b＝{D_b(0),D_b(1),…D_b(p),…D_b(K-1)}，其中，D_b(p)是测试样本功率谱特征D_b的第p维元素，p＝0,1,…,K-1，K表示功率谱特征的维度；6b)求出功率谱修正项：ΔD={ΔD(0),ΔD(1),…ΔD(p),…ΔD(K-1)}，其中，ΔD(p)是功率谱修正项ΔD的第p维元素，ΔD(p)=Σi=0M-1Σj=0M-110-R102Mπ2[2zb(j)-10-R102Mπ2]cos{2πMp(i-1)},]]>式中z_b(j)为归一化后测试距离像样本z_b的第j维元素,M为归一化后测试距离像样本z_b的距离单元数；6c)利用功率谱修正项ΔD对功率谱特征D_b进行修正，得到修正后的功率谱特征：D_b′＝{D_b′(0),D_b′(1),…,D_b′(p),…D_b′(K-1)}，其中，D_b′(p)是修正后功率谱特征的第p维元素；(7)将修正后的测试样本功率谱特征D_b′输入到训练好的线性相关向量机分类器中，通过其权系数W计算分类器的输出：y=D_b′·W，由于功率谱特征D_b′为K维向量，权系数W为K·C维的矩阵，故分类器的输出y为C维向量；(8)根据分类器的输出确定目标类别标号，即将y中最大值元素对应的类别标号作为目标类别标号。