基于最近邻一类分类器的雷达分布式地面目标鉴别方法
【专利摘要】本发明公开了一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，主要解决现有技术中检测后虚警过多的问题。其技术方案是：1)对雷达一维回波信号进行2-范数归一化后进行恒虚警检测；2)对检测结果进行截取和对齐并选取训练样本和测试样本；3)计算训练样本之间的平均Hausdorff距离向量，并确定最近邻一类分类器的判决门限Thr；4)计算测试样本与训练样本之间的平均Hausdorff距离d；5)将平均Hausdorff距离与判决门限进行比较，若d≤Thr，测试样本为目标，否则，测试样本为非目标。本发明较好的去除了非目标虚警，可用于分布式地面目标的鉴别。
【专利说明】 基于最近邻一类分类器的雷达分布式地面目标鉴别方法
【技术领域】
[0001]本发明属于雷达【技术领域】，涉及目标的检测与鉴别方法，可用于基于雷达宽带回波的地面分布式目标鉴别。
【背景技术】
[0002]自二十世纪六十年代以来，随着雷达技术的迅速发展，雷达系统已经被广泛应用于军事和民用等众多领域。按照雷达发射信号瞬时带宽的宽窄，雷达大致可以分为窄带雷达和宽带雷达。通常所说的宽带雷达是指雷达发射信号的绝对带宽较大。传统窄带雷达的主要功能是对目标进行定位和探测，随着雷达技术的应用愈加广泛，人们期望获得更多关于目标的信息。与传统窄带雷达相比，宽带雷达具有以下优势:
[0003]一是具有更高的距离分辨率，从而提高了雷达对目标的测量精度；
[0004]二是可以获得更加精细的目标结构信息；
[0005]三是具有低截获性、抗杂波能力强等优点。
[0006]宽带雷达具有较高的距离分辨率，目标在雷达视线方向上的多个散射点分布在不同的距离单元内，形成分布式目标。宽带雷达一维回波可以看作是目标各散射点的子回波在雷达视线上投影的矢量和，可以提供目标散射点沿距离维的分布情况和各散射点的强度信息，对目标的进一步识别具有非常重要的价值。
[0007]目标鉴别属于目标检测和目标识别的中间阶段，本质上是一个两类模式识别问题，其主要目的是对回波中检测得到的潜在目标区域进行进一步处理，以去除自然杂波虚警和部分人造杂波虚警，从而减小目标分类识别阶段的代价。作为目标识别过程中承前启后的重要阶段，目标鉴别性能的好坏将直接影响最终目标识别的性能。目前针对宽带雷达一维回波下地面目标识别的研究多集中在检测和识别两个阶段，对鉴别阶段的研究很少有涉及。对于宽带雷达一维回波的目标识别，训练阶段中首先选取多类目标的宽带雷达一维回波样本作为训练样本，然后利用主成分分析PCA、线性判别分析LDA等特征提取方法从训练样本中提取特征向量，接着构造支撑向量机SVM、自适应高斯分类器AGC、贝叶斯分类器等多类分类器对从训练样本中提取的特征向量进行训练；测试阶段中提取测试样本的特征向量后利用多类分类器对目标样本进行分类，得到目标的具体类别信息和其他特性信息，从而达到目标识别的目的。由于虚警导致检测后的结果存在非目标样本，如果检测后直接进行目标识别，一方面训练样本中可能存在非目标样本，降低最终的目标识别性能，另一方面目标识别阶段的运算量很大，存在过多非目标样本会引起大量不必要的运算资源浪费，加大识别阶段所需的代价。
【发明内容】
[0008]本发明的目的在于针对上述已有技术的不足，提出一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，以在进行目标识别前进行目标鉴别，改善目标识别的性能，减少目标识别阶段不必要的运算。
[0009]本发明是这样实现的:
[0010]一.技术思路
[0011]宽带雷达具有较高的距离分辨率，目标在雷达视线方向上的多个散射点分布在不同的距离单元内，不同目标的散射点的强度与相对位置不同。本发明利用恒虚警检测器提取出雷达宽带回波中较强散射点的强度与相对位置信息，结合可以表示两个点集之间距离的Hausdorff距离，利用最近邻一类分类器区分目标与非目标，从而达到鉴别目标的目的。
[0012]二.技术方案
[0013]根据上述思路，本发明的实现步骤如下:
[0014](I)训练步骤
[0015](Ia)对录取的雷达一维回波信号rm(l进行2_范数归一化，得到归一化后的回波信号1'm=0r其中11112表示2-范数，m = L…，m，m为回波样本总数；
[0016](Ib)对归一化后的回波信号！^进行恒虚警检测，得到检测后的处理结果r' ffl；
[0017](Ic)从检测后的处理结果r' m中截取L个距离单元，并对截取单元进行质心对齐，再从M个对齐后的截取单元中选取含有真实目标的η个截取单元，作为训练样本Xi，其中
【权利要求】
1.一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，包括: (1)训练步骤 (Ia)对录取的雷达一维回波信号rm(l进行2-范数归一化，得到归一化后的回波信号匕=!^’其中I I I I2表示2-范数，m= 1，…，M，M为回波样本总数； (Ib)对归一化后的回波信号!^进行恒虚警检测，得到检测后的处理结果r' ffl； (Ic)从检测后的处理结果r' m中截取L个距离单元，并对截取单元进行质心对齐，再从M个对齐后的截取单元中选取含有真实目标的η个截取单元,作为训练样本Xi,其中i =1，-,η, η为训练样本总数； (Id)构造与η个训练样本Xi相对应的训练样本散射点矩阵的集合(A1, A2,…，AJ，其中的每一个元素Ai= 1 " k< ，其中，i = 1，一,n, Iii为训练样本Xi中幅值大于O
x&/..xgki _的距离单元的个数，&，&，…，4表示训练样本Xi中幅值大于O的匕个距离单元的位置，W…表示训练样本Xi中幅值大于O的匕个距离单元处的幅值； (Ie)计算训练样本散射点矩阵的集合{軋A2，…，AJ中两两元素之间的Hausdorff距离(Vij,其中，i = l,..., n, j = I,..., η ； (If)利用步骤(Ie)中得到的nXn个Hausdorff距离C^ij构造nX I维训练样本之间的平均Hausdorff距离向量dA ； (Ig)根据预先给定的最大错误概率P和训练样本之间的平均Hausdorff距离向量dA，给定最近邻一类分类器的判决门限Thr ； (2)测试步骤 (2a)构造测试样本y ； (2b)构造一个与测试样本y相对应的2X s维测试样本散射点矩阵B，其中，s为测试样本y中幅值大于O的距离单元的个数； (2c)计算测试样本散射点矩阵B与步骤(Id)中得到的训练样本散射点矩阵的集合{ΑρΑ；^...^」中每一个元素Ai的Hausdorff距离dii,其中，i = 1，…,η,η为训练样本总数； (2d)计算测试样本与训练样本之间的平均Hausdorff距离d ； (2e)将测试样本与训练样本之间的平均Hausdorff距离d与步骤(Ig)中得到的最近邻一类分类器的判决门限Thr进行比较，判断测试样本y是否为目标:如果d ( Thr,则测试样本y为目标，否则，测试样本y为非目标。
2.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中步骤(Ib)所述的对归一化后的回波信号！^进行恒虚警检测，得到检测后的处理结果r/ m，按如下步骤进行: (Ibl)假设目标在雷达视线方向上的的最大长度为LT，雷达距离分辨率为AR，选取保护单元个数k2 ^，「.!表示向上取整；(Ib2)选择参考单元个数队，给定虚警概率Pfa ； (lb3)选择CA-CFAR检测器作为恒虚警检测器，根据瑞利杂波统计模型计算出标称化因子& =(纥)'v -1- (lb4)对归一化后的回波信号!^的幅值取平方，选择第D个距离单元作为待检测单元，从待检测距离单元两侧选定队个参考单元和Np个保护单元； (lb5)计算杂波平均功率估计量:z，其中
?为第w个参考单元处幅值的
平方值； (lb6)设待检测单元处幅值的平方值为zmD，判断第D个距离单元处是否存在目标:如果 K.z，则第D个距离单元处存在目标，否则，第D个距离单元处不存在目标； (lb7)将归一化回波信号rm*不存在目标的距离单元处的幅值置O，得到检测后的处理结果r' m。
3.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中所述步骤(Ic)中从检测后的处理结果r' m中截取的L个距离单元，至少有I个距离单元处的幅值大于O。
4.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中步骤(Ie)所述的计算训练样本散射点矩阵的集合{Ai，A2，…，AJ中两两元素之间的Hausdorff距离(^ij,按如下步骤进行: (Iel)计算训练样本的协方差矩阵Σ =丄.，其中
和2分别为
训练样本散射点矩阵的集合队，A2,…，AJ中第V个元素Av的第I行元素和第2行元素的方差，V = 1，…，η, η为训练样本总数； (le2)将训练样本散射点矩阵的集合{ApA2，…，AJ中第i个元素Ai表示为[an，ai2,…，aip],第j个元素Aj表示为Haj^aj2,…，aj ,其中p和q分别为元素Ai和元素Aj的列数； (le3)计算训练样本散射点矩阵Ai与Aj的Hausdorff距离:
，T 表示转置，ait 为第 i 个元素 Ai 的第t个列向量，aJU为第j个元素Aj的第u个列向量。
5.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中步骤(If)所述的构造nX I维训练样本之间的平均Hausdorff距离向量dA,按如下步骤进行:(Ifl)构造nXn维训练样本之间的Hausdorff距离矩阵:
(lf2)计算训练样本之间的Hausdorff距离矩阵Da每一行中I个最小的非O元素的平均值dAi，i = 1，2，…n，I为最小平均距离控制参数； (lf3)对步骤(lf2)得到的η个平均值dAi由小到大进行排序，得到nX I维训练样本之间的平均Hausdorff距离向量dA。
6.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中步骤(Ig)所述的给定最近邻一类分类器的判决门限Thr，按如下公式进行:
其中，dA (num)和dA (num+1)分别表示训练样本之间的平均Hausdorff距离向量dA的第num个元素和第num+1个元素(1-/;)」，[」为向下取整，η为训练样本总数,预先给定的最大错误概率P满足O < P < I。
7.根据权利要求1所述的基于最近邻一类分类器的雷达分布式地面目标鉴别方法，其中步骤(2d)所述的计算测试样本与训练样本之间的平均Hausdorff距离d,按如下步骤进行: (2dl)对步骤(2c)中得到的η个Hausdorff距离(Iba^由小到大进行排序,得到IXn维测试样本与训练样本之间的Hausdorff距离向量dBA ； (2d2)对测试样本与训练样本之间的Hausdorff距离向量dBA的前I个元素求平均值，I为最小平均距离控制参数，得到测试样本与训练样本之间的平均HausdorfT距离d。
【文档编号】G01S7/41GK104199007SQ201410453521
【公开日】2014年12月10日 申请日期:2014年9月9日 优先权日:2014年9月9日
【发明者】杜兰, 李波, 王斐, 许述文, 和华, 王鹏辉, 刘宏伟 申请人:西安电子科技大学