主权项 |
基于多视角下一维像决策层融合的雷达目标识别方法,其特征在于:通过计算一维像的峰度矩阵K,找到峰度矩阵的最大元素max(K)及其对应的一维像,统计余下一维像集合{x<sub>i</sub>}和离群峰度集合{k<sub>i</sub>},利用离群峰度法剔除异常一维像;以峰度矩阵最大元素对应的一维像为基像,采用最小熵估计准则对一维像进行对齐处理,对对齐后的一维像做非相干积累;统计非相干积累后的一维像前八分之一和后八分之一部分的均值和方差,以均值最小值和方差最小值作为非相干积累后一维像的噪声均值和方差,以gate=k*(mean(X)+6*std(X))的形式设置各视角下目标一维像能量聚集区提取门限,其中mean(X)为噪声均值,std(X)为噪声方差,k为常值系数;利用滑动平均法进行过门限目标一维像边界标定,提取目标一维像能量聚集区;根据雷达目标的航向和方位,计算雷达目标的姿态角;计算各视角下目标一维像能量聚集区的中心距,以归一化中心距构建特征矢量<img file="FDA0001169306750000011.GIF" wi="638" he="71" />其中<img file="FDA0001169306750000012.GIF" wi="58" he="47" />为2阶归一化中心距,<img file="FDA0001169306750000013.GIF" wi="60" he="47" />为3阶归一化中心距,<img file="FDA0001169306750000014.GIF" wi="58" he="47" />为4阶归一化中心距,<img file="FDA0001169306750000015.GIF" wi="57" he="46" />为5阶归一化中心距,<img file="FDA0001169306750000016.GIF" wi="63" he="47" />为6阶归一化中心距,结合最大相关系数法对目标姿态±15°范围的船只模板归一化中心距特征矢量与目标一维像能量聚集区的归一化中心距特征矢量相关计算的中心距模板匹配;结合最大相关系数法对目标姿态±15°范围的船只模板能量聚集区与目标一维像能量聚集区相关计算的能量聚集区模板匹配;对各视角下的中心距模板匹配和能量聚集区模板匹配进行决策层融合判定,将判定后的结果作为各视角下目标一维像模板匹配结果;以<img file="FDA0001169306750000017.GIF" wi="835" he="159" />的形式构建各视角下一维像模板匹配输出类型给定判定的概率赋值{A<sub>i</sub>},i=1,2,…,12,基于改进D‑S证据理论进行目标一维像模板匹配;最后进行雷达目标识别;通过该方法进行多视角下一维像雷达目标识别正确率在单视角下一维像雷达目标识别正确率基础上提高10%。 |