基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法
【專利摘要】本發(fā)明公開了一種基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法。主要解決現(xiàn)有技術(shù)識別效果不穩(wěn)定的問題。其實(shí)現(xiàn)步驟為：1)獲取已知目標(biāo)各幀訓(xùn)練模板點(diǎn)集；2)獲取目標(biāo)測試樣本并估計(jì)信噪比；3)根據(jù)信噪比確定能量比；4)利用能量比確定已知目標(biāo)各幀最終訓(xùn)練模板點(diǎn)集、幅度方差和位置方差；5)根據(jù)信噪比和能量比確定測試樣本散射點(diǎn)集；6)利用幅度方差和位置方差計(jì)算測試樣本散射點(diǎn)集與各幀最終訓(xùn)練模板點(diǎn)集間的局部Hausdorff距離；7)判定測試樣本類別。本發(fā)明可提取樣本的散射點(diǎn)集達(dá)到穩(wěn)定且較好的匹配識別效果，并且為利用距離像的散射點(diǎn)進(jìn)行識別提供了可行性，可用于對飛機(jī)、汽車等目標(biāo)的識別。
【專利說明】基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)信號處理【技術(shù)領(lǐng)域】，涉及高分辨距離像及散射點(diǎn)匹配的目標(biāo)識別 方法，可用于飛機(jī)目標(biāo)的識別分類。

【背景技術(shù)】
[0002] 高分辨雷達(dá)通常工作在光學(xué)區(qū)，在這種情況下，距離分辨單元遠(yuǎn)小于目標(biāo)尺寸，故 可將目標(biāo)看作多個(gè)散射點(diǎn)的集合。而高分辨距離像是在寬帶雷達(dá)信號下目標(biāo)散射點(diǎn)回波在 雷達(dá)射線方向上投影的向量和，可以提供目標(biāo)散射點(diǎn)回波沿距離方向的分布情況。其中目 標(biāo)散射點(diǎn)對應(yīng)于高分辨距離像中的強(qiáng)散射點(diǎn)，而弱散射點(diǎn)對應(yīng)噪聲分量，如果能將距離像 中的強(qiáng)散射點(diǎn)提取出來，對目標(biāo)的識別分類將很有利，而且當(dāng)前利用距離像散射點(diǎn)進(jìn)行識 別分類的方法較少。
[0003] 基于統(tǒng)計(jì)模型的識別方法，一直是雷達(dá)高分辨距離像識別中的重要方面，其中文 獻(xiàn)[Jacobs S. P. . Automatic target recognition using high-resolution radar range profiles. Ph. D. Dissertation. Washington University. 1999.]較早的提出 了傳統(tǒng)自適應(yīng) 高斯AGC統(tǒng)計(jì)模型，它是在Bayes框架下令風(fēng)險(xiǎn)函數(shù)最小化的二次型分類器。傳統(tǒng)AGC的處 理步驟是：假設(shè)高分辨距離像中各個(gè)距離單元相互獨(dú)立且服從高斯分布，通過對訓(xùn)練樣本 進(jìn)行合理的劃分，求出平均像和方差像并建立統(tǒng)計(jì)模型，根據(jù)測試樣本在各類別下的類后 驗(yàn)概率的大小確定最終目標(biāo)類別。該方法的不足之處在于：訓(xùn)練樣本是在高信噪比下獲得， 而實(shí)際中信噪比往往較低，此時(shí)利用傳統(tǒng)AGC進(jìn)行識別會導(dǎo)致測試樣本和訓(xùn)練樣本失配情 況較為嚴(yán)重，對結(jié)果產(chǎn)生較大影響。
[0004] 文獻(xiàn)[杜蘭，劉宏偉，保錚，張軍英.一種利用目標(biāo)雷達(dá)高分辨距離像幅度起伏特 性的特征提取新方法.電子學(xué)報(bào).2006, Vol. 33 (3). 411-415]中涉及了另一種統(tǒng)計(jì)識別方 法：最大相關(guān)系數(shù)MCC。MCC是包含了平移補(bǔ)償?shù)哪０迤ヅ浞椒?，求出距離像分幀后各幀的 平均像，通過計(jì)算測試樣本和訓(xùn)練樣本之間的相關(guān)系數(shù)大小來確定目標(biāo)類別。該方法的不 足之處在于：MCC利用了距離像的一階統(tǒng)計(jì)量，其識別效果并不理想。


【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對上述現(xiàn)有技術(shù)的不足，提出一種基于散射點(diǎn)匹配的雷達(dá)高 分辨距離像識別方法，以有效提取距離像的強(qiáng)散射點(diǎn)進(jìn)行匹配識別，提高識別效果。
[0006] 實(shí)現(xiàn)本發(fā)明目的的技術(shù)方案是：基于寬帶雷達(dá)目標(biāo)散射點(diǎn)模型，利用正交傅里葉 基下的匹配追蹤算法對距離像信號進(jìn)行稀疏分解，提取多個(gè)強(qiáng)散射點(diǎn)的位置和幅度信息， 并根據(jù)目標(biāo)信號的信噪比確定訓(xùn)練和測試樣本的強(qiáng)散射點(diǎn)集，通過局部HausdorfT距離度 量兩個(gè)散射點(diǎn)集之間的相似性來判定測試樣本類別。其具體步驟包括如下：
[0007] (1)獲取距離像的原始訓(xùn)練樣本集，根據(jù)原始訓(xùn)練樣本集獲取訓(xùn)練模板點(diǎn)集：
[0008] la)獲取高信噪比下多個(gè)已知目標(biāo)的雷達(dá)寬帶時(shí)域回波數(shù)據(jù)，對該回波數(shù)據(jù)依次 進(jìn)行脈沖壓縮、歸一化、分幀和對齊，得到原始訓(xùn)練樣本集? …不其中，& 為第C類目標(biāo)的樣本集且

【權(quán)利要求】
1. 一種基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，包括以下步驟： (1) 獲取距離像的原始訓(xùn)練樣本集，根據(jù)原始訓(xùn)練樣本集獲取訓(xùn)練模板點(diǎn)集： la) 獲取高信噪比下多個(gè)已知目標(biāo)的雷達(dá)寬帶時(shí)域回波數(shù)據(jù)，對該回波數(shù)據(jù)依次進(jìn)行 脈沖壓縮、歸一化、分幀和對齊，得到原始訓(xùn)練樣本集…，\丨，其中，I為第 c類目標(biāo)的樣本集且…具z}，c = 1，2,…，T，T為類別總數(shù)，I為I的 第k幀樣本集，k = 1，2,…，Z，Z為樣本幀數(shù)； lb) 在正交傅里葉基下，利用匹配追蹤算法提取各幀訓(xùn)練樣本的散射點(diǎn)幅度和位置信 息，并對散射點(diǎn)中幅度求模值，得到I*中第1個(gè)樣本的散射點(diǎn)集： Pckl 一 { (Ackll，I ckli)，（Ackl2，Ickl2)，…，（Ackli，Ickli)，…，（A cklN， IckiN)}，i = 1，2, ...，N， 其中，為第1個(gè)樣本中的第i個(gè)散射點(diǎn)的幅度，1#,為第1個(gè)樣本的第i個(gè)散射點(diǎn) 的位置，N為單個(gè)復(fù)距離像的樣本長度； lc) 對一幀內(nèi)相同位置上的散射點(diǎn)的幅度求均值，并按均值的幅度大小對散射點(diǎn)降序 排序，得到的訓(xùn)練模板點(diǎn)集Pdt為： Pck - {(Ackl, Ickl), (Ack2, Ick2), --?, (Acki, Icki), --?, (AckN, IckN)}, i - 1, 2,…，N， 其中，A&為第i個(gè)散射點(diǎn)的幅度，I&為第i個(gè)散射點(diǎn)的位置； (2) 將雷達(dá)開機(jī)時(shí)不含目標(biāo)的信號平均功率作為噪聲功率〇n2,并將獲取到的含未知 目標(biāo)的復(fù)距離像作為測試樣本y，估計(jì)該測試樣本y的信噪比SNR，并對測試樣本y采用 2-范數(shù)強(qiáng)度歸一化，得到歸一化后的測試樣本f; (3) 根據(jù)信噪比SNR確定用于修正訓(xùn)練模板點(diǎn)集的能量比r ; ⑷根據(jù)能量比r和已知目標(biāo)訓(xùn)練模板點(diǎn)集P。,確定最終的訓(xùn)練模板點(diǎn)集色、幅度方 差和位置方差： 4a)根據(jù)能量比r按幅度從大到小依次提取訓(xùn)練模板P。，中前I個(gè)散射點(diǎn)； 4b)對前個(gè)散射點(diǎn)采用重心對齊法進(jìn)行對齊，得到最終訓(xùn)練模板點(diǎn)集^ ; 4c)根據(jù)所有目標(biāo)的最終訓(xùn)練模板點(diǎn)集求出幅度方差^和位置方差; (5) 提取目標(biāo)測試樣本.f的測試樣本散射點(diǎn)集G : 5a)在正交傅里葉基下，根據(jù)信噪比SNR，利用匹配追蹤算法對測試樣本F去噪并提取 散射點(diǎn)集4*并對巧中散射點(diǎn)的幅度求模值； 5b)根據(jù)能量比r，按幅度從大到小的順序依次提取散射點(diǎn)集g中前個(gè)散射點(diǎn)； 5c)對前My個(gè)散射點(diǎn)采用重心對齊法進(jìn)行對齊，得到測試樣本散射點(diǎn)集焉； (6) 利用幅度方差^和位置方差計(jì)算測試樣本散射點(diǎn)集g與各幀最終訓(xùn)練模板 點(diǎn)集之間的局部Hausdorff距離，得到T*Z個(gè)局部Hausdorff距離： (7) 搜索T*Z個(gè)局部Hausdorff距離中的最小值，則對應(yīng)的訓(xùn)練樣本類別即為測試樣本 的判決類別。
2. 根據(jù)權(quán)利要求1所述的基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，其中所述步 驟（la)中對回波數(shù)據(jù)的歸一化，是對脈沖壓縮后產(chǎn)生的距離像，采用2-范數(shù)強(qiáng)度歸一化， 使單個(gè)樣本的模值為1，得到歸一化后的距離像樣本集。
3. 根據(jù)權(quán)利要求1所述的基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，其中所述步 驟（la)中對回波數(shù)據(jù)的分幀，是對歸一化后的距離像樣本集采用均勻劃分方式劃分為多 個(gè)幀，使每一幀都包含相同個(gè)數(shù)的同一目標(biāo)下的樣本，得到分幀后的距離像樣本集。
4. 根據(jù)權(quán)利要求1所述的基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，其中所述步 驟（la)中對回波數(shù)據(jù)的對齊，是對分幀后的距離像樣本集采用滑動相關(guān)對齊法進(jìn)行對齊， 即先選取幀內(nèi)某一樣本作為基準(zhǔn)樣本，滑動幀內(nèi)的其它樣本，令它們與基準(zhǔn)樣本的相關(guān)系 數(shù)達(dá)到最大為止，然后將滑動后的其它樣本與基準(zhǔn)樣本一起存儲，從而得到原始訓(xùn)練樣本 集 ^ = {1^%,……，frh
5. 根據(jù)權(quán)利要求1所述的基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，其中所述步 驟（lb)中在正交傅里葉基下，利用匹配追蹤算法提取各幀訓(xùn)練樣本的散射點(diǎn)幅度和位置 信息，按如下步驟進(jìn)行： lbl)將距離像中噪聲能量作為終止門限th ; lb2)初始化序號值i和殘余信號R，令i = 1，且R = D'U，其中，U為、中第1個(gè) 樣本的頻域信號，D為正交傅里葉基，D中第m行第n列的元素為：，1彡m彡N， 1彡n彡N，D_i為D的逆矩陣； lb3)計(jì)算殘余信號R中模值最大的元素，將該元素作為第i個(gè)散射點(diǎn)的幅度A#,，將該 元素在殘余信號R中的位置作為第i個(gè)散射點(diǎn)的位置1。!^ ; lb4)更新殘余信號：K
為D中第個(gè)列向 量； lb5)比較殘余信號能量||R|與終止門限th大小：若||R|大于終止門限th,則i值加1 后跳轉(zhuǎn)到lb3)繼續(xù)執(zhí)行，反之，計(jì)算結(jié)束。
6. 根據(jù)權(quán)利要求1所述的基于散射點(diǎn)匹配的雷達(dá)高分辨距離像識別方法，其中所述步 驟（6)中計(jì)算測試樣本散射點(diǎn)集專與各幀最終訓(xùn)練模板點(diǎn)集之間的局部Hausdorff距離， 通過如下公式計(jì)算：
//(色,4)為訓(xùn)練模板點(diǎn)集I和測試樣本散射點(diǎn)集4之間的局部Hausdorff距離， (? )H表示共軛轉(zhuǎn)置，？.⑴為訓(xùn)練摁板點(diǎn)集&中第t個(gè)散射點(diǎn)，專(II)為測試樣本散射點(diǎn)集
4中的第u個(gè)散射點(diǎn)： KK1彡1, My為點(diǎn)集與中的散射點(diǎn)個(gè)數(shù),Mek為點(diǎn)集色 中散射點(diǎn)的個(gè)數(shù)。
【文檔編號】G01S7/41GK104280724SQ201410570804
【公開日】2015年1月14日 申請日期:2014年10月23日 優(yōu)先權(quán)日:2014年10月23日
【發(fā)明者】杜蘭, 趙樂, 和華, 王鵬輝 申請人:西安電子科技大學(xué)