主权项 |
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<img file="FDA0001156529510000011.GIF" wi="148" he="79" />和<img file="FDA0001156529510000012.GIF" wi="155" he="78" />进行距离向脉压处理,得到双通道距离脉压域信号矩阵<img file="FDA0001156529510000013.GIF" wi="300" he="79" />和<img file="FDA0001156529510000014.GIF" wi="330" he="78" />其中,<img file="FDA0001156529510000015.GIF" wi="29" he="56" />为快时间,t<sub>m</sub>为慢时间,R<sub>0</sub>为目标到雷达平台运行轨道的最近距离,x<sub>0</sub>为所述目标在t<sub>m</sub>=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<img file="FDA0001156529510000016.GIF" wi="297" he="79" />和<img file="FDA0001156529510000017.GIF" wi="302" he="79" />进行共轭相乘,得到干涉矩阵<img file="FDA0001156529510000018.GIF" wi="1004" he="79" />其中,<img file="FDA0001156529510000019.GIF" wi="304" he="78" />是<img file="FDA00011565295100000110.GIF" wi="303" he="74" />的共轭矩阵;对所述干涉矩阵<img file="FDA00011565295100000111.GIF" wi="310" he="75" />进行取相位操作,计算得到干涉相位矩阵<img file="FDA00011565295100000112.GIF" wi="835" he="86" />其中,angle[·]表示取相位操作;将所述干涉相位矩阵<img file="FDA00011565295100000113.GIF" wi="295" he="84" />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x<sub>0</sub>,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。 |