真假目标的状态特征提取方法与流程

本发明属于空间目标识别领域范畴，尤其涉及一种可用于空间目标识别的新的特征提取技术。

背景技术：

真假目标的识别一直是反导系统的关键和难点，它在一定程度上决定了反导系统的成败。雷达目标识别技术是反导系统的核心技术之一，其任务是从大量的诱饵、假目标和弹体碎片等构成的威胁云团中，识别出真目标，以实施有效拦截。反导系统中真假目标的识别已经成为导弹防御系统的技术瓶颈，已引起了各国的高度关注，并成为研究的热点之一。

对于弹道导弹目标,雷达识别大致有四个个途径：一是特征识别，如轨道特征识别，rcs特征识别以及中段微动特征识别等，通过辨认信号特征来推演目标的特征信息。例如，利用回波信号的幅度、相位、极化频率特征及其变化来估计目标的飞行姿态、结构特征、材料特征等；二是成像识别，包括一维距离像和二维isar成像识别，通过高分辨雷达成像,确定目标的尺寸、形状等；三是极化特征识别，极化描述了电磁波的矢量特征，极化特征是目标形状的本质特征。通过获取目标的极化特征进行目标识别是颇具潜力的技术途径。四是再入识别，通过获取目标的弹道参数，确定目标的质量特性。

基于投送成本的考虑，诱饵目标一般是充气型或刚性复制诱饵，因而与真目标的质量分布不同。而这种质量差异将导致二者在转动惯量上的差异，使得真假目标的进动频率不同。因此，利用目标进动频率的差异有望对诱饵和真目标进行辨别。对诱饵与真目标的识别而言，由于进动，回波信号的rcs会呈现周期性变化，变化周期正是进动周期，因而可以通过估计回波rcs序列的周期来获取目标进动周期的估计。如果能准确提取待识别目标的rcs序列周期，无疑将有助于弹道导弹中段真假目标的识别。

微多普勒的物理实质是目标上的若干强散射点到雷达天线相位中心的相对距离随着目标自身微运动而随时间变化，表现在频谱上则是存在频谱旁瓣或多普勒频率展开，引起多普勒效应。微动在自然界是普遍存在的，如行人手和腿的摆动，桥梁的振动，直升机旋翼的转动，真假目标各种形式的微动等。微动产生的微多普勒特征，是目标所独有的特征，反映了目标的运动形式和几何结构，为真假目标识别提供了新的途径，具有重要的研究价值和意义。

由于尺寸、形状的差异，真目标和诱饵的一维像和二维像所具有的散射中心在数量、空间分布位置、强度等方面存在明显差异，这些差异是真假目标识别的可靠依据之一。因此，从目标宽带回波信息中提取出反映目标结构特性的有效特征具有重要意义。

极化特征是与目标形状本质有密切联系的特征。任何目标对照射的电磁波都有特定的极化变换作用,其变换关系由目标的形状、尺寸、结构和取向所决定。测量出不同目标对各种极化波的变极化响应,能够形成一个特征空间,就可对目标进行识别。对真假目标的识别有一定的意义。

技术实现要素：

本发明的目的是针对现有的弹道导弹识别技术中缺少有效识别特征这一问题，提出一种真假目标的状态特征提取方法，该方法可以提取到能够反映弹道导弹飞行状态的特征，且该特征对于弹道导弹目标、碎片目标和残骸目标呈现出较大的差异，且计算量小，可以用于实时计算。

本发明的技术方案为：利用雷达测量得到的rcs数据，首先分析rcs数据的混沌特性，包括确定嵌入维数、时间延迟，然后利用估计得到的嵌入维数和时间延迟重构相空间，再计算关联积分并分析对目标状态的稳定性进行判决，如果目标状态被判决为稳定，则统计rcs数据切换频率，最后，通过状态切换次数计算得到能够反映弹道导弹目标飞行状态的特征。

一种真假目标的状态特征提取方法，步骤如下：

s1、利用雷达测量的rcs数据估计嵌入维数m，具体为：

s11、利用雷达测量的rcs数据构造向量yi(d)＝(x(ti),x(ti+τ),…,x(ti+(d-1)τ))^t，其中，d是根据经验设定的嵌入维数的初始估计，i＝1,…,n-(d-1)τ，n的取值，ti是第i个采集时刻，τ为时间延时值，x(*)表示某采样时刻的rcs值；

s12、构造其中，n(i,d)是一个正整数，表示采样点序号，其取值范围为n(i,d)∈{1,…,n-dτ}，yn(i,d)是对应n(i,d)的构造向量，a(i,d)表示以i第个采样点为起始元素、d维构造向量的突变量；

s13、计算其中，e(d)表示所有构造向量的突变量的平均值；

s14、当e(d+1)/e(d)停止变化时，此时的d+1就是嵌入维数m中的极小嵌入维数；

s2、基于s1所述嵌入维数m估计时间延迟，具体为：

s21、根据s1所述嵌入维数m，计算

s22、取不同的嵌入维数m画出s(这个s的物理含义)对τ变化的曲线；

s23、选取s22所述曲线第二个极小值对应的时间延迟的1/4作为时间延迟的估计；

s3、利用s1得到的嵌入维数m和s2得到的时间延迟重构相空间：

其中，i＝1,2,...,m，m为不为零的自然数；

s4、计算相空间数据里的最大点距和最小点距并将最大和最小点距之差δd＝dmax-dmin均匀划分为s个网格，其中，j＝1,2,...,m；

s5、计算关联积分其中，为heaviside阶跃函数，r＝dmin+δd/s；

s6、对lncm(r)进行门限判决，如果lncm(r)≥-20则认为目标状态稳定，跳转至s7，如果lncm(r)＜-20则认为目标状态不稳定，即可判定目标是假目标；

s7、对于稳定状态目标，计算rcs数据的起伏频率，即rcs测量数据由上升变为下降或下降变为上升计一次起伏，并同时记录数据局部极值点的数值rcslocal；

s8、计算新特征

进一步地，s14所述停止变化的条件为e(d+1)/e(d)＜0.01。

本发明的有益效果是：

本发明一种弹道导弹新的特征提取方法，将测量得到的目标rcs数据构造成新的向量，利用向量计算rcs数据的嵌入维数，再根据嵌入维数的估计得到实验延迟的估计，再计算关联积分，最后对关联积分进行门限判决以区分稳定目标和不稳定目标。然后，对稳定状态目标的rcs数据起伏频率进行计算，得到一种反应目标运动状态的新特征。这种新特征可以较好地体现真目标、碎片和弹体的运动状态，有利于真目标的识别。

附图说明

图1为实施方案中的真目标结构图。

图2为实施方案中的重诱饵目标结构图。

图3为本发明提取到的真目标、碎片和重诱饵的状态特征。

具体实施方式

下面结合附图对本发明进行说明。

以图2所示的真目标和图3所示的重诱饵目标为验证对象。

真目标的几何结构如下：长度1820mm，底部直径540mm，3个宽6mm深3mm、宽4mm深2mm、宽10mm深5mm的凹槽，分别距锥顶220mm、440mm和1400mm。重诱饵目标的几何结构为：长度640mm，底部直径200mm。真目标和重诱饵目标的rcs由feko计算得到，频率为3ghz。碎片的rcs假设为均值为0，方差为-20db的高斯随机变量。极化方式为vv极化。假设脉冲重复频率为20hz，每5秒进行一次特征提取。

步骤1、利用雷达测量的rcs数据估计嵌入维数；

步骤1-1、利用雷达测量的rcs数据构造向量

yi(d)＝(x(ti),x(ti+τ),…,x(ti+(d-1)τ))^t,i＝1,…,n-(d-1)τ，其中，n＝100，τ取0.05秒，d分别取1到4。

步骤1-2、对于给定的d，构造其中，n(i,d)∈{1,…,n-dτ}。

步骤1-3、计算

步骤1-4、当e(d+1)/e(d)停止变化时，此时的d+1就是极小嵌入维数m。

步骤2、基于嵌入维数m估计时间延迟；

步骤2-1、根据步骤1中得到的嵌入维数m，计算

步骤2-2、取不同的m画出s对τ变化的曲线；

步骤2-3、选取曲线第二个极小值对应的时间延迟的1/4作为时间延迟的估计。

步骤3、利用步骤1得到的嵌入维数m和步骤2得到的时间延迟重构相空间：

步骤4、计算相空间数据里的最大点距和最小点距并将最大和最小点距之差δd＝dmax-dmin均匀划分为s个网格，这里s取3；

步骤4、计算关联积分：其中，为heaviside阶跃函数，r＝dmin+δd/s。

步骤5、对lncm(r)进行门限判决，如果不小于-20则认为目标状态稳定，否则，则认为目标状态不稳定；

步骤6、对于稳定状态目标，计算rcs数据的起伏频率，即rcs测量数据由上升变为下降或下降变为上升计一次起伏，并同时记录数据局部极值点的数值rcslocal；

步骤7、计算新特征

对于三种目标采用上述步骤提取到的目标特征如图3所示,真目标和重诱饵目标的外形如图1和图2所示。从图中可见，真目标和重诱饵目标的运动状态值较低，说明这两种目标的运动比较稳定，而碎片的运动状态值较高，说明碎片的运动状态不太稳定。因此，可以根据目标运动状态特征划定门限，将运动状态较稳定的真目标、重诱饵等目标与运动状态不太稳定的碎片目标区分开来。