基于多视角下一维像数据层融合的雷达目标类型识别方法
【专利摘要】本发明公开了一种基于多视角下一维像数据层融合的雷达目标类型识别的实现方法。该方法主要适用于协同体系下常规宽带相参警戒雷达的雷达目标类型识别。其主要流程是：首先对各视角下的一维像进行数据预处理；解算各视角下的雷达目标姿态信息；然后对各视角下的一维像进行数据融合配准；设置特征提取门限；提取目标一维像前后沿位置；估算雷达目标长度；最后进行目标类型识别。本发明所提供的方法具有工程实现简单、数据融合效果好、所用方法理论依据充分等特点，并且多视角下雷达目标类型识别正确率相较于单视角下雷达目标类型识别正确率提高在5％以上。
【专利说明】
基于多视角下一维像数据层融合的雷达目标类型识别方法
技术领域
[0001] 本发明是一种用于基于协同体系下常规宽带相参警戒雷达系统，实现多视角一维 像下雷达目标类型识别方法，实现雷达目标的粗分类。
【背景技术】
[0002] 在各视角下一维像的基础上，通过数据融合等实现雷达目标类型识别方法，利用 雷达目标的类型识别信息可W实现雷达目标的粗分类，提高识别正确率。配合现有探测设 备的改造，可W在现有探测设备的基础上大力提升协同目标识别能力。
[0003] 雷达目标识别是对雷达探测功能的重要延伸，也是当前雷达信号处理的一个研究 热点，而基于一维像的技术研究是雷达目标识别领域的研究热点之一，目前很多研究是基 于单视角下的一维像进行的，如在2013年4月西安电子科技大学学位论文《雷达高分辨距离 像目标识别技术研究》中提出的基于TSB-HMM的雷达高分辨距离像目标识别方法和基于模 型修正的HRRP噪声稳健识别方法。
[0004] 与其他文献中提出的方法不同，本发明针对在基于多视角下一维像的基础上，通 过数据层融合的雷达目标类型识别方法，实现雷达目标的粗分类。
【发明内容】
[0005] 本发明的目的在于提供一种解决协同体系下的多视角下一维像数据层融合的雷 达目标类型识别方法，有效地实现雷达目标的粗分类。通过本发明，能够在海上舰艇编队系 统作战体系实现在视距内对各种运动状态下的雷达目标进行有效的分类，并且多视角一维 像下的雷达目标识别正确率在单视角一维像下的雷达目标识别正确率基础上提高5%。
[0006] 实现本发明的技术解决方案为：
[0007] 首先对各视角下的一维像数据进行剔除坏像、非相干积累等预处理;利用雷达目 标的航向和方位信息计算雷达目标各视角下的姿态角；利用同态拉伸仿射变换法，结合最 小赌对齐对各视角下一维像进行数据融合配准;对融合配准后的一维像设置特征提取口 限；利用滑动平均延展法提取雷达目标一维像的前后沿位置;利用雷达目标一维像的前后 沿计算雷达目标的径向长度，结合雷达目标的姿态信息估算雷达目标长度;最后进行雷达 目标类型识别。
[000引本发明与现有技术相比，其显著优点为：
[0009] 采用同态拉伸仿射变换法对各视角下一维像进行数据融合方法，能够准确、有效 地消除不同视角下不同探测距离、不同姿态造成的一维像姿态敏感性、平移敏感性和强度 敏感性的影响，而且其实现方法简单。滑动平均延展法能够快速、有效地提取雷达目标一维 像的前后沿位置，该方法具有自适应性好，计算量小，运行效率高的特点。本发明的提出和 工程实现在雷达目标识别领域具有很高的推广应用价值。
[0010] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0011] 图1是本发明的数据流程图。
[0012] 图2是本发明的不同视角下雷达目标一维像归一化处理示意图。
[0013] 图3是本发明的不同视角下雷达目标一维像融合配准后的一维像示意图。
【具体实施方式】
[0014] 本发明具体实施步骤参见附图1。
[0015] (1)各视角下一维像数据预处理，方法如下：
[0016] 计算一维像的峰度矩阵K，找到峰度矩阵的最大元素max化)及其对应的一维像，统 计余下一维像集合Ixi巧P离群峰度集合化i}:
[0017]
[001引其中N是一维像的个数，Xi是余下的第i个一维像样本数据，m是样本均值，Oi是样 本标准方差，EUi-化)4是第i个一维像样本数据的4阶中屯、距。如果ki非正，则认为第i个一 维像为异常一维像，将样本数据置为OdW峰度矩阵最大元素对应的一维像为基像，采用最 小赌谱估计准则进行对齐处理，对对齐后的一维像做非相干积累。
[0019] 1(化)=-l〇g 化
[0020]
[0021] 其中Xk是一维像样本数据，1(祉)是信息量，X是离散随机变量，Pk是事件X = Xk发生 的概率乂是一维像样本数据集合。
[0022]
[0023] 其中Si为对齐后的第i个距离单元的非相干积累结果，N是一维像的个数。
[0024] (2)各视角下雷达目标姿态解算，方法如下：
[0025]
[(
[0027] 其中0是各视角下雷达目标姿态角，a是各视角下雷达目标航向，0是各视角下雷达 目标方位。
[0028] (3)同态拉伸仿射变换法对各视角下一维像进行数据融合配准，其方法如下：
[0029] a)将各视角下的一维像进行归一化处理，如图2。
[0030] b)结合解算的各视角下的雷达目标姿态信息，将各视角下的雷达目标一维像拉伸 到同一姿态角0/下，分别计算各视角下雷达目标同态拉伸后的一维像距离单元个数：
[0031]
[0032] 其中0为雷达目标的姿态角，f为雷达目标一维像距离单元个数，f/为同态拉伸后 的雷达目标一维像距离单元个数。
[0033] C)结合步骤b)将各视角下的雷达目标一维像拉伸到姿态角0/下，得到拉伸后的雷 达目标一维像fl、f2。
[0034] d)统计fl、f2的主要散射点，并对fl、f2主散射点进行匹配，得到属于同一个散射点 的回波，按照（1 )中的对齐方法将fl、f 2进行对齐配准，如图3。
[0035] e)对对齐配准后的雷达目标一维像进行非相干积累。
[0036] (4)设置特征提取口限，方法如下：
[0037] 计算(3)中非相干积累后的一维像中噪声部分的均值和方差，将特征提取口限设 置为噪声部分的均值和方差和的形式。
[0038] gate=mean(X)+k*std(X)
[0039] 其中gate是局部阔值，X是一维距离像中噪声部分数据集合，k是一常值系数。
[0040] (5)滑动平均延展法提取雷达目标一维像前后沿，方法如下：
[0041] 利用阔值gate对非相干积累后的一维像P(m，n)进行分割，得到分割结果Pg(m，n):
[0042]
[0043] 对分割后的Pg (m，n)区域，提取巧提取口限部分的前后沿位置，在前后沿位置按10 个距离长度做滑动平均，如果均值小于最大均值的0.2倍，，对该区域单元乘WO.05的加权 值，然后再用口限进行雷达目标一维像区域边界标定，标定目标区域边界后，从最大值开 始，向两个方向进行连同处理，如果连同域间距超过某一范围，则认为不是一个目标，则此 方向停止连同处理，最后得到的一维像区域P/ (m，n)，一维像区域P/ (m，n)距离单元最小值 作为雷达目标一维像前沿，一维像区域Pg/(m，n)距离单元最大值作为雷达目标一维像后 沿。
[0044] (6)估算雷达目标长度，方法如下：
[0045] 计算雷达目标的一维像径向长度：
[0046] f = (pE：nd-pSta;rt)*s
[0047] 其中祀nd是雷达目标一维像后沿，pStart是雷达目标一维像前沿，S是雷达距离分 辨率，f是径向长度。
[004引计貸雷巧目标长度：
[0049]
[0050] 其中f是雷达目标的一维像径向长度，0/是同态拉伸仿射变换后的姿态角，L是雷 达目标长度。
[0051] (7)雷达目标类型识别，方法如下：
[0052] 计算判决因子：
[0053] Al =k 礼-180
[0化4] A2 = k 礼-80
[0055] 其中A1、A2为判决因子，k为大于0小于I的修正系数，L为雷达目标长度。
[0056] 根据判决因子进行目标类型识别，当ADO，A2〉0时，雷达目标判为大型目标，当AK 0，A2〉0时，雷达目标判为中型目标，当AK0，A2<0时，雷达目标判为小型目标。
[0化7]
【主权项】
1. 基于多视角下一维像数据层融合的雷达目标类型识别方法，其特征在于:通过计算 一维距离像的峰度矩阵K，找到峰度矩阵的最大元素 max(K)及其对应的一维距离像，统计余 下一维距离像集合Ix1WP离群峰度集合{lu}，利用离群峰度法剔除异常一维距离像；以峰度 矩阵最大元素对应的一维距离像为基像，采用最小熵估计准则对一维距离像进行对齐处 理，对对齐后的一维距离像做非相干积累;根据雷达目标的航向和方位，计算海上目标的姿 态角；利用同态拉伸仿射变换法对各视角下一维像进行数据融合配准;对非相干积累后的 一维像统计噪声部分的均值和方差，按gate=mean(X)+k*std(X)方法设置特征提取门限， 其中gate是局部阈值，X是一维距离像中噪声数据集合，k是一常值系数;利用滑动平均延展 法提取雷达目标一维像前后沿，通过雷达目标一维像前后沿和雷达距离分辨率按照f = (pEnd-pStart)*s方法计算雷达目标的径向长度，其中pEnd是雷达目标一维像后沿，pStart 是雷达目标一维像前沿，s是雷达距离分辨率，f是径向长度;通过雷达目标姿态和雷达目标 的径向长度与雷达目标长度之间的三角函数关系按照L = 方法计算雷达目标的长 度，其中f是雷达目标的一维像径向长度，Θ是姿态角，L是雷达目标长度;最后进行雷达目标 类型识别;通过该方法进行多视角下一维像雷达目标类型识别正确率在单视角下一维像雷 达目标类型识别正确率基础上提高5%。2. 根据权利要求1所述的基于多视角下一维像数据层融合的雷达目标类型识别方法， 其特征在于：同态拉伸仿射变换法对各视角下一维像进行数据融合配准方法，该方法通过 将归一化处理后的多视角下的雷达目标一维像同态拉伸仿射到同一姿态角下，结合主散射 点匹配和最小熵对齐进行数据融合配准，降低雷达目标不同视角下不同探测距离、不同姿 态造成的一维像姿态敏感性、平移敏感性和强度敏感性的影响。3. 根据权利要求1所述的基于多视角下一维像数据层融合的雷达目标类型识别方法， 其特征在于:滑动平均延展法提取雷达目标一维像前后沿，该方法通过对过门限一维像区 域前后沿进行滑动平均延展处理标定目标区域边界，提取雷达目标一维像前后沿位置，降 低多目标和边界野值对雷达目标一维像前后沿位置精确提取的影响。
【文档编号】G01S7/41GK106019255SQ201610584279
【公开日】2016年10月12日
【申请日】2016年7月22日
【发明人】杨学岭, 袁剑华, 肖龙, 左锦波
【申请人】中国船舶重工集团公司第七二四研究所