一种船载单脉冲体制跟踪雷达主副瓣自动识别方法

摘要

本发明涉及一种船载单脉冲体制跟踪雷达主副瓣自动识别的方法，所述方法包括以下步骤：步骤一、构建和差通道幅度比和相位差为因子的幅相特征向量；步骤二、剔除和差通道数据中的野值；步骤三、采用自动分类识别主副瓣。采用本发明的方法在任务中自动根据接收信号的情况实现主副瓣的自动识别，成本和软件开发难度低，具有极强应用价值。

主权项

一种船载单脉冲体制跟踪雷达主副瓣自动识别方法，其特征在于：所述方法包括以下步骤：步骤一、构建和差通道幅度比和相位差为因子的幅相特征向量构建反映目标信号特性的，以和差通道幅度比和相位差为因子的幅相特征向量为υ＝[ε_A Δφ_A ε_E Δφ_E]其中，ε_A，Δφ_A，ε_E，Δφ_E分别为方位通道差和幅度比，方位通道与和通道相位差，俯仰通道差和幅度比，俯仰通道与和通道相位差；对特征向量进行归一化处理：${\upsilon }_i=\left[\begin{array}{cccc}{ϵ}_A^i/\underset{k}{\Sigma }{ϵ}_A^k& {\mathrm{\Delta \phi }}_A^i/\underset{k}{\Sigma }{\mathrm{\Delta \phi }}_A^k& {ϵ}_E^i/\underset{k}{\Sigma }{ϵ}_E^k& {\mathrm{\Delta \phi }}_E^i/\underset{k}{\Sigma }{\mathrm{\Delta \phi }}_E^k\end{array}\right]$其中，υ_i表示训练样本中归一化后的第i个特征向量，分别表示训练样本中的第k个分量，对测试样本进行归一化时，各分量的归一化分母取上式中的各分母；步骤二、剔除和差通道数据中的野值先求得步骤一中归一化后的特征向量数据序列的边缘点，计算边缘权重因子，再在特征空间中计算异常因子来识别野值，当判别的野值数量大于观测值时直接判定为副瓣，否则剔除野值后进行下一步的处理；步骤三、采用自动分类识别主副瓣通过对标校塔以主瓣和副瓣区域中心为圆心转动天线，获取各区域的和差信号特征数据，作为样本进行训练和标定，运用KNN算法进行自动分类，KNN算法实现如下：①计算已知类别数据集合汇总的点与当前点的距离；②按照距离递增次序排序；③选取与当前点距离最近的K个点；④确定距离最近的前K个点所在类别的出现频率；⑤返回距离最近的前K个点频率最高的类别作为当前点的预测分类。