基于散射点匹配的雷达高分辨距离像识别方法
【专利摘要】本发明公开了一种基于散射点匹配的雷达高分辨距离像识别方法。主要解决现有技术识别效果不稳定的问题。其实现步骤为：1)获取已知目标各帧训练模板点集；2)获取目标测试样本并估计信噪比；3)根据信噪比确定能量比；4)利用能量比确定已知目标各帧最终训练模板点集、幅度方差和位置方差；5)根据信噪比和能量比确定测试样本散射点集；6)利用幅度方差和位置方差计算测试样本散射点集与各帧最终训练模板点集间的局部Hausdorff距离；7)判定测试样本类别。本发明可提取样本的散射点集达到稳定且较好的匹配识别效果，并且为利用距离像的散射点进行识别提供了可行性，可用于对飞机、汽车等目标的识别。
【专利说明】基于散射点匹配的雷达高分辨距离像识别方法
【技术领域】
[0001] 本发明属于雷达信号处理【技术领域】，涉及高分辨距离像及散射点匹配的目标识别 方法，可用于飞机目标的识别分类。
【背景技术】
[0002] 高分辨雷达通常工作在光学区，在这种情况下，距离分辨单元远小于目标尺寸，故 可将目标看作多个散射点的集合。而高分辨距离像是在宽带雷达信号下目标散射点回波在 雷达射线方向上投影的向量和，可以提供目标散射点回波沿距离方向的分布情况。其中目 标散射点对应于高分辨距离像中的强散射点，而弱散射点对应噪声分量，如果能将距离像 中的强散射点提取出来，对目标的识别分类将很有利，而且当前利用距离像散射点进行识 别分类的方法较少。
[0003] 基于统计模型的识别方法，一直是雷达高分辨距离像识别中的重要方面，其中文 献[Jacobs S. P. . Automatic target recognition using high-resolution radar range profiles. Ph. D. Dissertation. Washington University. 1999.]较早的提出 了传统自适应 高斯AGC统计模型，它是在Bayes框架下令风险函数最小化的二次型分类器。传统AGC的处 理步骤是：假设高分辨距离像中各个距离单元相互独立且服从高斯分布，通过对训练样本 进行合理的划分，求出平均像和方差像并建立统计模型，根据测试样本在各类别下的类后 验概率的大小确定最终目标类别。该方法的不足之处在于：训练样本是在高信噪比下获得， 而实际中信噪比往往较低，此时利用传统AGC进行识别会导致测试样本和训练样本失配情 况较为严重，对结果产生较大影响。
[0004] 文献[杜兰，刘宏伟，保铮，张军英.一种利用目标雷达高分辨距离像幅度起伏特 性的特征提取新方法.电子学报.2006, Vol. 33 (3). 411-415]中涉及了另一种统计识别方 法：最大相关系数MCC。MCC是包含了平移补偿的模板匹配方法，求出距离像分帧后各帧的 平均像，通过计算测试样本和训练样本之间的相关系数大小来确定目标类别。该方法的不 足之处在于：MCC利用了距离像的一阶统计量，其识别效果并不理想。
【发明内容】
[0005] 本发明的目的在于针对上述现有技术的不足，提出一种基于散射点匹配的雷达高 分辨距离像识别方法，以有效提取距离像的强散射点进行匹配识别，提高识别效果。
[0006] 实现本发明目的的技术方案是：基于宽带雷达目标散射点模型，利用正交傅里叶 基下的匹配追踪算法对距离像信号进行稀疏分解，提取多个强散射点的位置和幅度信息， 并根据目标信号的信噪比确定训练和测试样本的强散射点集，通过局部HausdorfT距离度 量两个散射点集之间的相似性来判定测试样本类别。其具体步骤包括如下：
[0007] (1)获取距离像的原始训练样本集，根据原始训练样本集获取训练模板点集：
[0008] la)获取高信噪比下多个已知目标的雷达宽带时域回波数据，对该回波数据依次 进行脉冲压缩、归一化、分帧和对齐，得到原始训练样本集? …不其中，& 为第C类目标的样本集且
【权利要求】
1. 一种基于散射点匹配的雷达高分辨距离像识别方法，包括以下步骤： (1) 获取距离像的原始训练样本集，根据原始训练样本集获取训练模板点集： la) 获取高信噪比下多个已知目标的雷达宽带时域回波数据，对该回波数据依次进行 脉冲压缩、归一化、分帧和对齐，得到原始训练样本集…，\丨，其中，I为第 c类目标的样本集且…具z}，c = 1，2,…，T，T为类别总数，I为I的 第k帧样本集，k = 1，2,…，Z，Z为样本帧数； lb) 在正交傅里叶基下，利用匹配追踪算法提取各帧训练样本的散射点幅度和位置信 息，并对散射点中幅度求模值，得到I*中第1个样本的散射点集： Pckl 一 { (Ackll，I ckli)，（Ackl2，Ickl2)，…，（Ackli，Ickli)，…，（A cklN， IckiN)}，i = 1，2, ...，N， 其中，为第1个样本中的第i个散射点的幅度，1#,为第1个样本的第i个散射点 的位置，N为单个复距离像的样本长度； lc) 对一帧内相同位置上的散射点的幅度求均值，并按均值的幅度大小对散射点降序 排序，得到的训练模板点集Pdt为： Pck - {(Ackl, Ickl), (Ack2, Ick2), --?, (Acki, Icki), --?, (AckN, IckN)}, i - 1, 2,…，N， 其中，A&为第i个散射点的幅度，I&为第i个散射点的位置； (2) 将雷达开机时不含目标的信号平均功率作为噪声功率〇n2,并将获取到的含未知 目标的复距离像作为测试样本y，估计该测试样本y的信噪比SNR，并对测试样本y采用 2-范数强度归一化，得到归一化后的测试样本f; (3) 根据信噪比SNR确定用于修正训练模板点集的能量比r ; ⑷根据能量比r和已知目标训练模板点集P。,确定最终的训练模板点集色、幅度方 差和位置方差： 4a)根据能量比r按幅度从大到小依次提取训练模板P。，中前I个散射点； 4b)对前个散射点采用重心对齐法进行对齐，得到最终训练模板点集^ ; 4c)根据所有目标的最终训练模板点集求出幅度方差^和位置方差; (5) 提取目标测试样本.f的测试样本散射点集G : 5a)在正交傅里叶基下，根据信噪比SNR，利用匹配追踪算法对测试样本F去噪并提取 散射点集4*并对巧中散射点的幅度求模值； 5b)根据能量比r，按幅度从大到小的顺序依次提取散射点集g中前个散射点； 5c)对前My个散射点采用重心对齐法进行对齐，得到测试样本散射点集焉； (6) 利用幅度方差^和位置方差计算测试样本散射点集g与各帧最终训练模板 点集之间的局部Hausdorff距离，得到T*Z个局部Hausdorff距离： (7) 搜索T*Z个局部Hausdorff距离中的最小值，则对应的训练样本类别即为测试样本 的判决类别。
2. 根据权利要求1所述的基于散射点匹配的雷达高分辨距离像识别方法，其中所述步 骤（la)中对回波数据的归一化，是对脉冲压缩后产生的距离像，采用2-范数强度归一化， 使单个样本的模值为1，得到归一化后的距离像样本集。
3. 根据权利要求1所述的基于散射点匹配的雷达高分辨距离像识别方法，其中所述步 骤（la)中对回波数据的分帧，是对归一化后的距离像样本集采用均匀划分方式划分为多 个帧，使每一帧都包含相同个数的同一目标下的样本，得到分帧后的距离像样本集。
4. 根据权利要求1所述的基于散射点匹配的雷达高分辨距离像识别方法，其中所述步 骤（la)中对回波数据的对齐，是对分帧后的距离像样本集采用滑动相关对齐法进行对齐， 即先选取帧内某一样本作为基准样本，滑动帧内的其它样本，令它们与基准样本的相关系 数达到最大为止，然后将滑动后的其它样本与基准样本一起存储，从而得到原始训练样本 集 ^ = {1^%,……，frh
5. 根据权利要求1所述的基于散射点匹配的雷达高分辨距离像识别方法，其中所述步 骤（lb)中在正交傅里叶基下，利用匹配追踪算法提取各帧训练样本的散射点幅度和位置 信息，按如下步骤进行： lbl)将距离像中噪声能量作为终止门限th ; lb2)初始化序号值i和残余信号R，令i = 1，且R = D'U，其中，U为、中第1个 样本的频域信号，D为正交傅里叶基，D中第m行第n列的元素为：，1彡m彡N， 1彡n彡N，D_i为D的逆矩阵； lb3)计算残余信号R中模值最大的元素，将该元素作为第i个散射点的幅度A#,，将该 元素在残余信号R中的位置作为第i个散射点的位置1。!^ ; lb4)更新残余信号：K
为D中第个列向 量； lb5)比较残余信号能量||R|与终止门限th大小：若||R|大于终止门限th,则i值加1 后跳转到lb3)继续执行，反之，计算结束。
6. 根据权利要求1所述的基于散射点匹配的雷达高分辨距离像识别方法，其中所述步 骤（6)中计算测试样本散射点集專与各帧最终训练模板点集之间的局部Hausdorff距离， 通过如下公式计算：
//(色,4)为训练模板点集I和测试样本散射点集4之间的局部Hausdorff距离， (? )H表示共轭转置，？.⑴为训练摁板点集&中第t个散射点，專(II)为测试样本散射点集
4中的第u个散射点： KK1彡1, My为点集与中的散射点个数,Mek为点集色 中散射点的个数。
【文档编号】G01S7/41GK104280724SQ201410570804
【公开日】2015年1月14日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】杜兰, 赵乐, 和华, 王鹏辉 申请人:西安电子科技大学