[发明专利]一种基于四维数据特征的海陆杂波分类方法

摘要

本发明公开一种基于四维数据特征的海陆杂波分类方法，由于传统的海陆杂波背景下的目标检测方法主要是基于对雷达杂波的统计建模，造成了检测结果强依赖于杂波统计模型的准确度，而实际情况是海洋和陆地回波信号因自身环境的复杂性和受天气，温度，人工干扰等情况的影响，造成较难建立与实际情况一致的杂波统计模型。因此，提出一种基于雷达数据本身特性和模型参数相结合的四维特征分类方法，将回波数据的短时能量，过零率和相关性特性与统计模型的形状参数共同构建特征向量空间，在此基础上，用机器学习算法极限学习机解析分类结果，无复杂的迭代过程，以提高实时性和泛化性能。

主权项

1.一种基于四维数据特征的海陆杂波分类方法，其特征在于该方法包括如下步骤：/n步骤一：产生雷达海陆杂波回波数据；/n用蒙特卡洛的方法生成符合一定分布和符合一定协方差矩阵相关性的随机数序列；分别作为不同类型的雷达海陆杂波回波数据；/n步骤二：雷达海陆数据的预处理；/n将雷达海陆杂波回波数据分段处理，体现短时准稳态性质，分别对每一段数据进行特征挖掘；/n步骤三：四维数字的特征提取；/n采用针对数据的信号时域短时处理方法和基于分布模型的参数估计方法联合提取雷达海陆杂波回波数据的显层特征，并将特征集分为两类：基于数据的特征和模型参数的估计特征；/n其中基于数据的特征提取具体为：/n首先，采用信号时域短时处理方法将数据进行分帧预处理得到数据帧，然后对数据帧进行时域能量，过零率和相关性计算，获取数据帧的短时特征；对于第i帧数据x_i(n)，其短时特征计算如下：/n短时能量特征：/n短时过零率特征：/n短时自相关函数特征：/n其中L为帧长，k为数据帧的第k个采样点，f为帧数，且满足1≤i≤f，d为时延；/n模型参数的估计特征提取具体为：/n在一定程度上考虑信号采样数据的统计量特征，取不同分布参数点估计的计算公式如下：/n /n /n /n其中x_i为信号采样序列x_i(n)的简化写法，分别为对数正态分布、韦伯分布和K分布的形状参数，分别为上述三种分布的尺度参数，γ为欧拉常数，N是信号x_i的采样点数，是x_i²的期望；/n上述为瑞利分布之外的对数正态分布、韦伯分布及K分布的尺度和形状参数的矩估计计算公式，取形状参数作为第四个特征向量，记做/n这样就形成了基于四维数据特征的海陆杂波杂波信号的分类系统的输入特征空间：/n /n步骤四：分类处理/n在给定一个训练数据集F(x)_train的基础上，选定激活函数g，隐层节点数L，按照以下步骤完成海陆杂波的分类；/n首先，随机产生隐藏层权重ω_i和偏置参数b_i初值，i＝1,2…,L；/n其次，计算隐藏层输出矩阵H；/n最后，计算隐藏层输出权重/n根据计算输出分类结果；/n其中，/n /n 是H矩阵的广义逆矩阵，T是正确的目标输出。/n