基于空间分布的雷达地面目标鉴别器设计方法
【技术领域】
[0001] 本发明属于雷达目标识别领域，涉及一种基于空间分布的雷达地面目标鉴别器设 计方法，可用于复杂环境下雷达系统实现对地面目标的鉴别。
【背景技术】
[0002] 雷达目标识别技术是在雷达对目标进行探测与定位的基础上，提取目标的特征信 息，实现对目标属性与类型的判断。针对雷达系统的特定应用背景，采用合成宽带雷达体制 生成地面场景高分辨一维距离像HRRP，场景中包括待攻击目标与假目标干扰，如铁塔、民用 车辆、路牌，该类假目标散射特性与待攻击目标类似，利用目标检测技术无法进行区分，需 采用目标鉴别技术进行辨别与剔除，即雷达地面目标识别系统主要面临的问题是复杂环境 下对特定目标的实时鉴别。
[0003] 假目标种类繁多，几何尺寸与物理形状各异，无法通过实际测量与建模仿真的方 式建立相应的模板库。针对这种模板库非完备问题，常规最大相关系数分类器与支持向量 机分类器均基于二分类构架设计，由于严重的模板规模不均衡，生成的分类边界无法准确 对样本空间进行划分。在模式识别理论中针对模板库非完备的问题，常采用单类分类器OCC 加以解决，如支撑向量域描述SVDD分类器与K近邻KNN分类器。SVDD是一种典型的OCC 分类器，该分类器通过寻找支撑向量确定模板库样本特征区域边界，利用该边界与待测样 本之间的位置关系确定测试样本类别，其缺点是当模板库样本特征区域呈现多区域聚合性 时，所确定的特征区域边界中将包含大片非样本目标特征空间区域，导致性能的严重下降。 KNN分类器基于模板匹配构架，需要遍历所有模板库样本特征，计算复杂度高，无法达到雷 达信号实时处理的要求。
【发明内容】
[0004] 本发明的目的在于针对上述已有技术的不足，在考虑雷达目标识别系统在复杂环 境下的实际应用情况，提出一种基于空间分布的雷达地面目标鉴别器设计方法，以提高鉴 别性能，减少运算量，实现对雷达信号的实时处理。
[0005] 实现本发明的技术思路是：利用基于相关系数预处理的K-Means聚类方法对雷达 目标鉴别器模板库中的目标特征行区域划分，利用基于空间分布的SVDD模型确定区域边 界，在此基础上以K近邻准则为基础，计算测试样本特征与各个特征区域的位置关系，从而 得到最终判决结果。其实现步骤包括如下：
[0006] 1)构建雷达目标鉴别器训练模板库特征空间：
[0007] (Ia)对M类典型目标进行雷达回波仿真，生成第m类第n个典型目标高分 辨一维距离像Ivn，提取该Ivn的长度特征与散射点个数特征t^，将第m类目标 的共Nni个长度特征集合表示为4 *散射点个数特征集合表示为 I= ^.,人.2，…人，其中，m=I，. . .，M，n代表第m类目标高分辨一维距离像数目，即n =I,. . . ,Nm；
[0008] (Ib)建立M类典型目标的训练模板库特征空间B:
[0009] B={Xn，n=(ln，n,tn，n)}
[0010] 其中，Xm,n表示第m类目标的第n个特征向量，lm,nGLm，tm,nGTm。
[0011] 2)对训练模板库特征空间B进行区域划分：
[0012] (2a)计算特征空间B中所有特征之间的相关性P(Xn^XniW)，基于最大相关系数 准则获取K-Means算法的区域划分数目Q和初始区域中心，其中q表示区域数目，q=
[0013] (2b)利用K-Means聚类算法对特征空间B进行精细化区域划分，生成Q块特征空 间子区域，将第q块特征空间子区域表示为Fq= (0q，％ 其中0q表示第q块子区域 中目标特征个数，nq表示第q块子区域目标特征集合，nq= 1>v,q=xmiJ，eViq表示nq 中的目标特征，v= 1，...，0q。
[0014] 3)根据第q块特征空间子区域中目标特征的空间分布生成密度中心偏离权值 P 与区域密度权值S(ev，q)，利用这两个权值对支持向量域描述模型进行加权优 化，得到目标鉴别器训练集Y=IJq= (0q，Sq，RqM，其中Jq表示第q块特征空间子区域，Oq 表示第q块特征空间子区域支持向量个数，Sq表示第q块特征空间子区域支持向量集合，即 Sq={siiq}，Siiq表示该区域的支持向量，i= 1，. . .，0q，Rq表示第q块特征空间子区域的半 径；
[0015] 4)根据测试目标特征与训练模板库特征空间子区域的位置关系对测试目标类别 进行判决：
[0016] (4a)对测试目标雷达回波ez进行如步骤1的高分辨一维距离成像与特征提取，生 成测试目标特征Z;
[0017] (4b)利用支持向量域描述模型对测试目标进行第一次判决：
[0018] 分别判断测试目标特征Z与Q块特征空间子区域Jq的位置关系，q= 1，...，Q，当 测试目标特征Z位于第q块特征空间子区域Jq中时，则得到最终判决结果为库内目标；当 测试目标特征Z不在任何一块特征空间子区域中时执行步骤（4c);
[0019] (4c)基于K近邻准则对测试目标进行第二次判决：
[0020] (4cl)计算测试目标特征Z与特征空间子区域支持向量Sl，q之间的距离d(sm，Z)， 对该距离进行从小到大的排序，根据K近邻准则选择前Q个距离所对应的支持向量作为近 邻向量sk，k= 1，…，Q;
[0021](4c2)根据支持向量密度分布计算近邻向量Sk所对应的权值wk:
[0023] 其中d(sk，Z)表示近邻向量81<与测试目标特征Z的距离，d(sk,Itq)表示近邻向量Sk与第q块特征空间子区域中心也凋距离，Q表示特征空间子区域数目，Rq表示第q块特 征空间子区域的半径；
[0024] (4c3)计算n个近邻向量的加权均值向量
特征Z与Snrear^距离d(Z,s_n);
[0025](4c4)设定近邻阈值GG[0, 1]，利用近邻阈值G对测试样本Z进行第二次判决： 若d(Z，s_n) <I则最终判决结果为库内目标；否则，最终判决结果为库外目标。
[0026] 本发明与现有技术相比具有以下优点：
[0027] 1)提高了雷达系统对复杂地面环境的目标鉴别能力。
[0028] 本发明在训练阶段利用K-Means聚类算法对训练模板库特征空间进行区域划分， 并利用支撑向量域描述模型确定子区域的特征边界与支持向量，从而对训练模板库特征空 间进行准确描述；同时在测试阶段采取两次判决的方法，对测试数据进行更细致的判决，提 高了雷达系统的目标鉴别性能。
[0029] 2)具有实时处理能力。
[0030] 本发明通过对训练模板库进行划分处理，使其具有多区域结构，且各子区域仅由 区域边界与支持向量表示，其有效的减少了系统的存储空间并且减少了判决过程所需要的 计算量，实现了雷达系统的实时处理，使其更适应于实际的工程应用。
【附图说明】
[0031] 图1是本发明的实现流程图；
[0032] 图2是本发明仿真的坦克目标与雷达站目标模板库特征空间分布图；
[0033] 图3是本发明仿真的坦克目标与雷达站目标训练模板库特征空间区域划分图；
[0034] 图4是本发明仿真的坦克目标与雷达站目标训练模板库特征空间各子区域特征 边界与支持向量图；
[0035] 图5是本发明仿真的基于接收机特性ROC曲线的鉴别性能对比图；
[0036] 图6是本发明仿真的基于时间曲线的实时性对比图。
【具体实施方式】
[0037]参照图1，发明的实现步骤如下：
[0038] 步骤1，构建雷达目标鉴别器训练模板库特征空间。
[0039] (Ia)对典型目标高分辨一维距离像进行雷达回波仿真：
[0040] (Ial)本发明中采用步进频率雷达合成宽带体制，对M类典型目标雷达回波进行 仿真，得到弟m类目标的共Nj贞回波：.? - j_'其中em,n表不弟m类 典型目标的第n帧雷达回波，其信号模型表示为：
[0041 ]
[0042] 其中rect (t/ T )表示脉冲调制，具体公式为：
[0043]
[0044] t表示时间采样，An