基于空間分布的雷達(dá)地面目標(biāo)鑒別器設(shè)計(jì)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)目標(biāo)識(shí)別領(lǐng)域，涉及一種基于空間分布的雷達(dá)地面目標(biāo)鑒別器設(shè) 計(jì)方法，可用于復(fù)雜環(huán)境下雷達(dá)系統(tǒng)實(shí)現(xiàn)對(duì)地面目標(biāo)的鑒別。
【背景技術(shù)】
[0002] 雷達(dá)目標(biāo)識(shí)別技術(shù)是在雷達(dá)對(duì)目標(biāo)進(jìn)行探測與定位的基礎(chǔ)上，提取目標(biāo)的特征信 息，實(shí)現(xiàn)對(duì)目標(biāo)屬性與類型的判斷。針對(duì)雷達(dá)系統(tǒng)的特定應(yīng)用背景，采用合成寬帶雷達(dá)體制 生成地面場景高分辨一維距離像HRRP，場景中包括待攻擊目標(biāo)與假目標(biāo)干擾，如鐵塔、民用 車輛、路牌，該類假目標(biāo)散射特性與待攻擊目標(biāo)類似，利用目標(biāo)檢測技術(shù)無法進(jìn)行區(qū)分，需 采用目標(biāo)鑒別技術(shù)進(jìn)行辨別與剔除，即雷達(dá)地面目標(biāo)識(shí)別系統(tǒng)主要面臨的問題是復(fù)雜環(huán)境 下對(duì)特定目標(biāo)的實(shí)時(shí)鑒別。
[0003] 假目標(biāo)種類繁多，幾何尺寸與物理形狀各異，無法通過實(shí)際測量與建模仿真的方 式建立相應(yīng)的模板庫。針對(duì)這種模板庫非完備問題，常規(guī)最大相關(guān)系數(shù)分類器與支持向量 機(jī)分類器均基于二分類構(gòu)架設(shè)計(jì)，由于嚴(yán)重的模板規(guī)模不均衡，生成的分類邊界無法準(zhǔn)確 對(duì)樣本空間進(jìn)行劃分。在模式識(shí)別理論中針對(duì)模板庫非完備的問題，常采用單類分類器OCC 加以解決，如支撐向量域描述SVDD分類器與K近鄰KNN分類器。SVDD是一種典型的OCC 分類器，該分類器通過尋找支撐向量確定模板庫樣本特征區(qū)域邊界，利用該邊界與待測樣 本之間的位置關(guān)系確定測試樣本類別，其缺點(diǎn)是當(dāng)模板庫樣本特征區(qū)域呈現(xiàn)多區(qū)域聚合性 時(shí)，所確定的特征區(qū)域邊界中將包含大片非樣本目標(biāo)特征空間區(qū)域，導(dǎo)致性能的嚴(yán)重下降。 KNN分類器基于模板匹配構(gòu)架，需要遍歷所有模板庫樣本特征，計(jì)算復(fù)雜度高，無法達(dá)到雷 達(dá)信號(hào)實(shí)時(shí)處理的要求。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足，在考慮雷達(dá)目標(biāo)識(shí)別系統(tǒng)在復(fù)雜環(huán) 境下的實(shí)際應(yīng)用情況，提出一種基于空間分布的雷達(dá)地面目標(biāo)鑒別器設(shè)計(jì)方法，以提高鑒 別性能，減少運(yùn)算量，實(shí)現(xiàn)對(duì)雷達(dá)信號(hào)的實(shí)時(shí)處理。
[0005] 實(shí)現(xiàn)本發(fā)明的技術(shù)思路是：利用基于相關(guān)系數(shù)預(yù)處理的K-Means聚類方法對(duì)雷達(dá) 目標(biāo)鑒別器模板庫中的目標(biāo)特征行區(qū)域劃分，利用基于空間分布的SVDD模型確定區(qū)域邊 界，在此基礎(chǔ)上以K近鄰準(zhǔn)則為基礎(chǔ)，計(jì)算測試樣本特征與各個(gè)特征區(qū)域的位置關(guān)系，從而 得到最終判決結(jié)果。其實(shí)現(xiàn)步驟包括如下：
[0006] 1)構(gòu)建雷達(dá)目標(biāo)鑒別器訓(xùn)練模板庫特征空間：
[0007] (Ia)對(duì)M類典型目標(biāo)進(jìn)行雷達(dá)回波仿真，生成第m類第n個(gè)典型目標(biāo)高分 辨一維距離像Ivn，提取該Ivn的長度特征與散射點(diǎn)個(gè)數(shù)特征t^，將第m類目標(biāo) 的共Nni個(gè)長度特征集合表示為4 *散射點(diǎn)個(gè)數(shù)特征集合表示為 I= ^.,人.2，…人，其中，m=I，. . .，M，n代表第m類目標(biāo)高分辨一維距離像數(shù)目，即n =I,. . . ,Nm；
[0008] (Ib)建立M類典型目標(biāo)的訓(xùn)練模板庫特征空間B:
[0009] B={Xn，n=(ln，n,tn，n)}
[0010] 其中，Xm,n表示第m類目標(biāo)的第n個(gè)特征向量，lm,nGLm，tm,nGTm。
[0011] 2)對(duì)訓(xùn)練模板庫特征空間B進(jìn)行區(qū)域劃分：
[0012] (2a)計(jì)算特征空間B中所有特征之間的相關(guān)性P(Xn^XniW)，基于最大相關(guān)系數(shù) 準(zhǔn)則獲取K-Means算法的區(qū)域劃分?jǐn)?shù)目Q和初始區(qū)域中心，其中q表示區(qū)域數(shù)目，q=
[0013] (2b)利用K-Means聚類算法對(duì)特征空間B進(jìn)行精細(xì)化區(qū)域劃分，生成Q塊特征空 間子區(qū)域，將第q塊特征空間子區(qū)域表示為Fq= (0q，％ 其中0q表示第q塊子區(qū)域 中目標(biāo)特征個(gè)數(shù)，nq表示第q塊子區(qū)域目標(biāo)特征集合，nq= 1>v,q=xmiJ，eViq表示nq 中的目標(biāo)特征，v= 1，...，0q。
[0014] 3)根據(jù)第q塊特征空間子區(qū)域中目標(biāo)特征的空間分布生成密度中心偏離權(quán)值 P 與區(qū)域密度權(quán)值S(ev，q)，利用這兩個(gè)權(quán)值對(duì)支持向量域描述模型進(jìn)行加權(quán)優(yōu) 化，得到目標(biāo)鑒別器訓(xùn)練集Y=IJq= (0q，Sq，RqM，其中Jq表示第q塊特征空間子區(qū)域，Oq 表示第q塊特征空間子區(qū)域支持向量個(gè)數(shù)，Sq表示第q塊特征空間子區(qū)域支持向量集合，即 Sq={siiq}，Siiq表示該區(qū)域的支持向量，i= 1，. . .，0q，Rq表示第q塊特征空間子區(qū)域的半 徑；
[0015] 4)根據(jù)測試目標(biāo)特征與訓(xùn)練模板庫特征空間子區(qū)域的位置關(guān)系對(duì)測試目標(biāo)類別 進(jìn)行判決：
[0016] (4a)對(duì)測試目標(biāo)雷達(dá)回波ez進(jìn)行如步驟1的高分辨一維距離成像與特征提取，生 成測試目標(biāo)特征Z;
[0017] (4b)利用支持向量域描述模型對(duì)測試目標(biāo)進(jìn)行第一次判決：
[0018] 分別判斷測試目標(biāo)特征Z與Q塊特征空間子區(qū)域Jq的位置關(guān)系，q= 1，...，Q，當(dāng) 測試目標(biāo)特征Z位于第q塊特征空間子區(qū)域Jq中時(shí)，則得到最終判決結(jié)果為庫內(nèi)目標(biāo)；當(dāng) 測試目標(biāo)特征Z不在任何一塊特征空間子區(qū)域中時(shí)執(zhí)行步驟（4c);
[0019] (4c)基于K近鄰準(zhǔn)則對(duì)測試目標(biāo)進(jìn)行第二次判決：
[0020] (4cl)計(jì)算測試目標(biāo)特征Z與特征空間子區(qū)域支持向量Sl，q之間的距離d(sm，Z)， 對(duì)該距離進(jìn)行從小到大的排序，根據(jù)K近鄰準(zhǔn)則選擇前Q個(gè)距離所對(duì)應(yīng)的支持向量作為近 鄰向量sk，k= 1，…，Q;
[0021](4c2)根據(jù)支持向量密度分布計(jì)算近鄰向量Sk所對(duì)應(yīng)的權(quán)值wk:
[0023] 其中d(sk，Z)表示近鄰向量81<與測試目標(biāo)特征Z的距離，d(sk,Itq)表示近鄰向量Sk與第q塊特征空間子區(qū)域中心也凋距離，Q表示特征空間子區(qū)域數(shù)目，Rq表示第q塊特 征空間子區(qū)域的半徑；
[0024] (4c3)計(jì)算n個(gè)近鄰向量的加權(quán)均值向量
特征Z與Snrear^距離d(Z,s_n);
[0025](4c4)設(shè)定近鄰閾值GG[0, 1]，利用近鄰閾值G對(duì)測試樣本Z進(jìn)行第二次判決： 若d(Z，s_n) <I則最終判決結(jié)果為庫內(nèi)目標(biāo)；否則，最終判決結(jié)果為庫外目標(biāo)。
[0026] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[0027] 1)提高了雷達(dá)系統(tǒng)對(duì)復(fù)雜地面環(huán)境的目標(biāo)鑒別能力。
[0028] 本發(fā)明在訓(xùn)練階段利用K-Means聚類算法對(duì)訓(xùn)練模板庫特征空間進(jìn)行區(qū)域劃分， 并利用支撐向量域描述模型確定子區(qū)域的特征邊界與支持向量，從而對(duì)訓(xùn)練模板庫特征空 間進(jìn)行準(zhǔn)確描述；同時(shí)在測試階段采取兩次判決的方法，對(duì)測試數(shù)據(jù)進(jìn)行更細(xì)致的判決，提 高了雷達(dá)系統(tǒng)的目標(biāo)鑒別性能。
[0029] 2)具有實(shí)時(shí)處理能力。
[0030] 本發(fā)明通過對(duì)訓(xùn)練模板庫進(jìn)行劃分處理，使其具有多區(qū)域結(jié)構(gòu)，且各子區(qū)域僅由 區(qū)域邊界與支持向量表示，其有效的減少了系統(tǒng)的存儲(chǔ)空間并且減少了判決過程所需要的 計(jì)算量，實(shí)現(xiàn)了雷達(dá)系統(tǒng)的實(shí)時(shí)處理，使其更適應(yīng)于實(shí)際的工程應(yīng)用。
【附圖說明】
[0031] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0032] 圖2是本發(fā)明仿真的坦克目標(biāo)與雷達(dá)站目標(biāo)模板庫特征空間分布圖；
[0033] 圖3是本發(fā)明仿真的坦克目標(biāo)與雷達(dá)站目標(biāo)訓(xùn)練模板庫特征空間區(qū)域劃分圖；
[0034] 圖4是本發(fā)明仿真的坦克目標(biāo)與雷達(dá)站目標(biāo)訓(xùn)練模板庫特征空間各子區(qū)域特征 邊界與支持向量圖；
[0035] 圖5是本發(fā)明仿真的基于接收機(jī)特性ROC曲線的鑒別性能對(duì)比圖；
[0036] 圖6是本發(fā)明仿真的基于時(shí)間曲線的實(shí)時(shí)性對(duì)比圖。
【具體實(shí)施方式】
[0037]參照?qǐng)D1，發(fā)明的實(shí)現(xiàn)步驟如下：
[0038] 步驟1，構(gòu)建雷達(dá)目標(biāo)鑒別器訓(xùn)練模板庫特征空間。
[0039] (Ia)對(duì)典型目標(biāo)高分辨一維距離像進(jìn)行雷達(dá)回波仿真：
[0040] (Ial)本發(fā)明中采用步進(jìn)頻率雷達(dá)合成寬帶體制，對(duì)M類典型目標(biāo)雷達(dá)回波進(jìn)行 仿真，得到弟m類目標(biāo)的共Nj貞回波：.? - j_'其中em,n表不弟m類 典型目標(biāo)的第n幀雷達(dá)回波，其信號(hào)模型表示為：
[0041 ]
[0042] 其中rect (t/ T )表示脈沖調(diào)制，具體公式為：
[0043]
[0044] t表示時(shí)間采樣，An