基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別方法
【專利摘要】本發(fā)明公開了一種基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別的實現(xiàn)方法。該方法主要適用于協(xié)同體系下常規(guī)寬帶相參警戒雷達的雷達目標類型識別。其主要流程是：首先對各視角下的一維像進行數(shù)據(jù)預(yù)處理；解算各視角下的雷達目標姿態(tài)信息；然后對各視角下的一維像進行數(shù)據(jù)融合配準；設(shè)置特征提取門限；提取目標一維像前后沿位置；估算雷達目標長度；最后進行目標類型識別。本發(fā)明所提供的方法具有工程實現(xiàn)簡單、數(shù)據(jù)融合效果好、所用方法理論依據(jù)充分等特點，并且多視角下雷達目標類型識別正確率相較于單視角下雷達目標類型識別正確率提高在5％以上。
【專利說明】
基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明是一種用于基于協(xié)同體系下常規(guī)寬帶相參警戒雷達系統(tǒng)，實現(xiàn)多視角一維 像下雷達目標類型識別方法，實現(xiàn)雷達目標的粗分類。
【背景技術(shù)】
[0002] 在各視角下一維像的基礎(chǔ)上，通過數(shù)據(jù)融合等實現(xiàn)雷達目標類型識別方法，利用 雷達目標的類型識別信息可W實現(xiàn)雷達目標的粗分類，提高識別正確率。配合現(xiàn)有探測設(shè) 備的改造，可W在現(xiàn)有探測設(shè)備的基礎(chǔ)上大力提升協(xié)同目標識別能力。
[0003] 雷達目標識別是對雷達探測功能的重要延伸，也是當前雷達信號處理的一個研究 熱點，而基于一維像的技術(shù)研究是雷達目標識別領(lǐng)域的研究熱點之一，目前很多研究是基 于單視角下的一維像進行的，如在2013年4月西安電子科技大學(xué)學(xué)位論文《雷達高分辨距離 像目標識別技術(shù)研究》中提出的基于TSB-HMM的雷達高分辨距離像目標識別方法和基于模 型修正的HRRP噪聲穩(wěn)健識別方法。
[0004] 與其他文獻中提出的方法不同，本發(fā)明針對在基于多視角下一維像的基礎(chǔ)上，通 過數(shù)據(jù)層融合的雷達目標類型識別方法，實現(xiàn)雷達目標的粗分類。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于提供一種解決協(xié)同體系下的多視角下一維像數(shù)據(jù)層融合的雷 達目標類型識別方法，有效地實現(xiàn)雷達目標的粗分類。通過本發(fā)明，能夠在海上艦艇編隊系 統(tǒng)作戰(zhàn)體系實現(xiàn)在視距內(nèi)對各種運動狀態(tài)下的雷達目標進行有效的分類，并且多視角一維 像下的雷達目標識別正確率在單視角一維像下的雷達目標識別正確率基礎(chǔ)上提高5%。
[0006] 實現(xiàn)本發(fā)明的技術(shù)解決方案為：
[0007] 首先對各視角下的一維像數(shù)據(jù)進行剔除壞像、非相干積累等預(yù)處理;利用雷達目 標的航向和方位信息計算雷達目標各視角下的姿態(tài)角；利用同態(tài)拉伸仿射變換法，結(jié)合最 小賭對齊對各視角下一維像進行數(shù)據(jù)融合配準;對融合配準后的一維像設(shè)置特征提取口 限；利用滑動平均延展法提取雷達目標一維像的前后沿位置;利用雷達目標一維像的前后 沿計算雷達目標的徑向長度，結(jié)合雷達目標的姿態(tài)信息估算雷達目標長度;最后進行雷達 目標類型識別。
[000引本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為：
[0009] 采用同態(tài)拉伸仿射變換法對各視角下一維像進行數(shù)據(jù)融合方法，能夠準確、有效 地消除不同視角下不同探測距離、不同姿態(tài)造成的一維像姿態(tài)敏感性、平移敏感性和強度 敏感性的影響，而且其實現(xiàn)方法簡單?；瑒悠骄诱狗軌蚩焖?、有效地提取雷達目標一維 像的前后沿位置，該方法具有自適應(yīng)性好，計算量小，運行效率高的特點。本發(fā)明的提出和 工程實現(xiàn)在雷達目標識別領(lǐng)域具有很高的推廣應(yīng)用價值。
[0010] 下面結(jié)合附圖對本發(fā)明作進一步詳細描述。
【附圖說明】
[0011] 圖1是本發(fā)明的數(shù)據(jù)流程圖。
[0012] 圖2是本發(fā)明的不同視角下雷達目標一維像歸一化處理示意圖。
[0013] 圖3是本發(fā)明的不同視角下雷達目標一維像融合配準后的一維像示意圖。
【具體實施方式】
[0014] 本發(fā)明具體實施步驟參見附圖1。
[0015] (1)各視角下一維像數(shù)據(jù)預(yù)處理，方法如下：
[0016] 計算一維像的峰度矩陣K，找到峰度矩陣的最大元素max化)及其對應(yīng)的一維像，統(tǒng) 計余下一維像集合Ixi巧P離群峰度集合化i}:
[0017]
[001引其中N是一維像的個數(shù)，Xi是余下的第i個一維像樣本數(shù)據(jù)，m是樣本均值，Oi是樣 本標準方差，EUi-化)4是第i個一維像樣本數(shù)據(jù)的4階中屯、距。如果ki非正，則認為第i個一 維像為異常一維像，將樣本數(shù)據(jù)置為OdW峰度矩陣最大元素對應(yīng)的一維像為基像，采用最 小賭譜估計準則進行對齊處理，對對齊后的一維像做非相干積累。
[0019] 1(化)=-l〇g 化
[0020]
[0021] 其中Xk是一維像樣本數(shù)據(jù)，1(祉)是信息量，X是離散隨機變量，Pk是事件X = Xk發(fā)生 的概率乂是一維像樣本數(shù)據(jù)集合。
[0022]
[0023] 其中Si為對齊后的第i個距離單元的非相干積累結(jié)果，N是一維像的個數(shù)。
[0024] (2)各視角下雷達目標姿態(tài)解算，方法如下：
[0025]
[(
[0027] 其中0是各視角下雷達目標姿態(tài)角，a是各視角下雷達目標航向，0是各視角下雷達 目標方位。
[0028] (3)同態(tài)拉伸仿射變換法對各視角下一維像進行數(shù)據(jù)融合配準，其方法如下：
[0029] a)將各視角下的一維像進行歸一化處理，如圖2。
[0030] b)結(jié)合解算的各視角下的雷達目標姿態(tài)信息，將各視角下的雷達目標一維像拉伸 到同一姿態(tài)角0/下，分別計算各視角下雷達目標同態(tài)拉伸后的一維像距離單元個數(shù)：
[0031]
[0032] 其中0為雷達目標的姿態(tài)角，f為雷達目標一維像距離單元個數(shù)，f/為同態(tài)拉伸后 的雷達目標一維像距離單元個數(shù)。
[0033] C)結(jié)合步驟b)將各視角下的雷達目標一維像拉伸到姿態(tài)角0/下，得到拉伸后的雷 達目標一維像fl、f2。
[0034] d)統(tǒng)計fl、f2的主要散射點，并對fl、f2主散射點進行匹配，得到屬于同一個散射點 的回波，按照（1 )中的對齊方法將fl、f 2進行對齊配準，如圖3。
[0035] e)對對齊配準后的雷達目標一維像進行非相干積累。
[0036] (4)設(shè)置特征提取口限，方法如下：
[0037] 計算(3)中非相干積累后的一維像中噪聲部分的均值和方差，將特征提取口限設(shè) 置為噪聲部分的均值和方差和的形式。
[0038] gate=mean(X)+k*std(X)
[0039] 其中g(shù)ate是局部闊值，X是一維距離像中噪聲部分數(shù)據(jù)集合，k是一常值系數(shù)。
[0040] (5)滑動平均延展法提取雷達目標一維像前后沿，方法如下：
[0041] 利用闊值gate對非相干積累后的一維像P(m，n)進行分割，得到分割結(jié)果Pg(m，n):
[0042]
[0043] 對分割后的Pg (m，n)區(qū)域，提取巧提取口限部分的前后沿位置，在前后沿位置按10 個距離長度做滑動平均，如果均值小于最大均值的0.2倍，，對該區(qū)域單元乘WO.05的加權(quán) 值，然后再用口限進行雷達目標一維像區(qū)域邊界標定，標定目標區(qū)域邊界后，從最大值開 始，向兩個方向進行連同處理，如果連同域間距超過某一范圍，則認為不是一個目標，則此 方向停止連同處理，最后得到的一維像區(qū)域P/ (m，n)，一維像區(qū)域P/ (m，n)距離單元最小值 作為雷達目標一維像前沿，一維像區(qū)域Pg/(m，n)距離單元最大值作為雷達目標一維像后 沿。
[0044] (6)估算雷達目標長度，方法如下：
[0045] 計算雷達目標的一維像徑向長度：
[0046] f = (pE：nd-pSta;rt)*s
[0047] 其中祀nd是雷達目標一維像后沿，pStart是雷達目標一維像前沿，S是雷達距離分 辨率，f是徑向長度。
[004引計貸雷巧目標長度：
[0049]
[0050] 其中f是雷達目標的一維像徑向長度，0/是同態(tài)拉伸仿射變換后的姿態(tài)角，L是雷 達目標長度。
[0051] (7)雷達目標類型識別，方法如下：
[0052] 計算判決因子：
[0053] Al =k 禮-180
[0化4] A2 = k 禮-80
[0055] 其中A1、A2為判決因子，k為大于0小于I的修正系數(shù)，L為雷達目標長度。
[0056] 根據(jù)判決因子進行目標類型識別，當ADO，A2〉0時，雷達目標判為大型目標，當AK 0，A2〉0時，雷達目標判為中型目標，當AK0，A2<0時，雷達目標判為小型目標。
[0化7]
【主權(quán)項】
1. 基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別方法，其特征在于:通過計算 一維距離像的峰度矩陣K，找到峰度矩陣的最大元素 max(K)及其對應(yīng)的一維距離像，統(tǒng)計余 下一維距離像集合Ix1WP離群峰度集合{lu}，利用離群峰度法剔除異常一維距離像；以峰度 矩陣最大元素對應(yīng)的一維距離像為基像，采用最小熵估計準則對一維距離像進行對齊處 理，對對齊后的一維距離像做非相干積累;根據(jù)雷達目標的航向和方位，計算海上目標的姿 態(tài)角；利用同態(tài)拉伸仿射變換法對各視角下一維像進行數(shù)據(jù)融合配準;對非相干積累后的 一維像統(tǒng)計噪聲部分的均值和方差，按gate=mean(X)+k*std(X)方法設(shè)置特征提取門限， 其中g(shù)ate是局部閾值，X是一維距離像中噪聲數(shù)據(jù)集合，k是一常值系數(shù);利用滑動平均延展 法提取雷達目標一維像前后沿，通過雷達目標一維像前后沿和雷達距離分辨率按照f = (pEnd-pStart)*s方法計算雷達目標的徑向長度，其中pEnd是雷達目標一維像后沿，pStart 是雷達目標一維像前沿，s是雷達距離分辨率，f是徑向長度;通過雷達目標姿態(tài)和雷達目標 的徑向長度與雷達目標長度之間的三角函數(shù)關(guān)系按照L = 方法計算雷達目標的長 度，其中f是雷達目標的一維像徑向長度，Θ是姿態(tài)角，L是雷達目標長度;最后進行雷達目標 類型識別;通過該方法進行多視角下一維像雷達目標類型識別正確率在單視角下一維像雷 達目標類型識別正確率基礎(chǔ)上提高5%。2. 根據(jù)權(quán)利要求1所述的基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別方法， 其特征在于：同態(tài)拉伸仿射變換法對各視角下一維像進行數(shù)據(jù)融合配準方法，該方法通過 將歸一化處理后的多視角下的雷達目標一維像同態(tài)拉伸仿射到同一姿態(tài)角下，結(jié)合主散射 點匹配和最小熵對齊進行數(shù)據(jù)融合配準，降低雷達目標不同視角下不同探測距離、不同姿 態(tài)造成的一維像姿態(tài)敏感性、平移敏感性和強度敏感性的影響。3. 根據(jù)權(quán)利要求1所述的基于多視角下一維像數(shù)據(jù)層融合的雷達目標類型識別方法， 其特征在于:滑動平均延展法提取雷達目標一維像前后沿，該方法通過對過門限一維像區(qū) 域前后沿進行滑動平均延展處理標定目標區(qū)域邊界，提取雷達目標一維像前后沿位置，降 低多目標和邊界野值對雷達目標一維像前后沿位置精確提取的影響。
【文檔編號】G01S7/41GK106019255SQ201610584279
【公開日】2016年10月12日
【申請日】2016年7月22日
【發(fā)明人】楊學(xué)嶺, 袁劍華, 肖龍, 左錦波
【申請人】中國船舶重工集團公司第七二四研究所