1.一种基于机器学习的雷达目标定位方法,其特征在于,所述方法包括:
对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号和
进行距离向脉压处理,得到双通道距离脉压域信号矩阵
和
其中,
为快时间,tm为慢时间,R0为目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置;
将所述双通道距离脉压域信号矩阵和
进行共轭相乘,得到干涉矩阵
其中,
是
的共轭矩阵;
对所述干涉矩阵进行取相位操作,计算得到干涉相位矩阵
其中,angle[·]表示取相位操作;
将所述干涉相位矩阵中每个距离单元对应的干涉相位矢量依次输入神经网络,得到对应距离单元的目标运动属性值M和所述目标相对于所述雷达平台的方位位置x0,即得到每个距离单元是否存在运动目标及运动目标的方位位置。
2.根据权利要求1所述的基于机器学习的雷达目标定位方法,其特征在于,所述方法还包括:
预先构建并训练基于误差后向传播BP的所述神经网络。
3.根据权利要求2所述的基于机器学习的雷达目标定位方法,其特征在于,所述预先构建并训练基于误差后向传播BP的所述神经网络,包括如下步骤:
(1)设定目标的目标参数(x0,R0,vr,va)和沿航迹双通道合成孔径雷达SAR的系统参数,其中,所述目标是指用于训练所述神经网络的目标,包含运动目标和静止目标,R0为所述目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置,tm为慢时间,vr和va分别为所述目标的径向速度和方位向速度;
(2)根据所述目标参数和所述系统参数,生成所述目标的距离脉压域的双通道仿真信号和
并计算目标运动属性值,其中,
为快时间,如果所述目标的径向速度vr和方位向速度va同时为零,则设所述目标运动属性值M=0,否则,设置M=1;
(3)根据所述目标的双通道仿真信号和
计算得到所述目标所在距离单元的数据矢量s′1(tm,x0)和s′2(tm,x0);
(4)将s′1(tm,x0)和s′2(tm,x0)共轭相乘,计算所述目标的干涉相位矢量;
(5)构建所述神经网络,计算所述目标的干涉相位矢量的长度L,设定所述神经网络的输入节点的个数等于L、输出节点的个数等于2、隐含层节点的个数等于其中,
表示求平方根运算,floor(·)表示向下取整运算,初始化训练次数T=0;
(6)将所述干涉相位矢量作为所述神经网络的输入数据,将所述目标运动属性值M和所述目标相对于所述雷达平台的方位位置x0作为所述神经网络的标签数据,即将M和x0作为所述神经网络的输出,利用最速下降法完成一次神经网络训练,更新训练次数T=T+1;
(7)如果T<L2,则更新所述目标参数(x0,R0,vr,va)的值,系统参数不变,按照步骤(2)至步骤(4)重新生成所述目标的运动属性值和干涉相位矢量,再按照步骤(6)执行一次神经网络训练;否则,完成所述神经网络的训练。
4.根据权利要求3所述的基于机器学习的雷达目标定位方法,其特征在于,所述根据所述目标参数和沿航迹双通道合成孔径雷达SAR的系统参数,生成所述目标的距离脉压域的双通道仿真信号和
包括:
(1)不考虑由于所述目标的速度导致的距离徙动影响,按照如下公式计算所述目标至所述雷达平台的瞬时斜距R1和R2:
其中,R0为所述目标到所述雷达平台运行轨道的最近距离,vr为所述目标的径向速度,tm为慢时间,x0为所述目标在tm=0时刻相对于所述雷达平台方位位置,vs为所述雷达平台的运行速度,va为所述目标的方位向速度,d为沿航迹双通道的间距;
(2)按照如下公式计算所述目标的距离脉压域的双通道仿真信号和
其中,A为所述目标距离脉压域的信号幅度,Br为发射线性调频信号带宽,为快时间,c为光速,λ为发射载波中心频率对应的波长,R1和R2为所述目标至雷达平台的瞬时斜距,j为虚部符号,π为圆周率,sinc为正弦函数,exp为指数函数。
5.根据权利要求4所述的基于机器学习的雷达目标定位方法,其特征在于,所述根据所述目标的双通道仿真信号和
计算得到所述目标所在距离单元的数据矢量s′1(tm,x0)和s′2(tm,x0),包括:
按照如下公式计算得到所述目标所在距离单元的数据矢量s′1(tm,x0)和s′2(tm,x0):
当
最小时,
当
最小时,
其中,|·|表示取绝对值运算。