基于多视角下一维像数据层融合的雷达目标类型识别方法

摘要

本发明公开了一种基于多视角下一维像数据层融合的雷达目标类型识别的实现方法。该方法主要适用于协同体系下常规宽带相参警戒雷达的雷达目标类型识别。其主要流程是：首先对各视角下的一维像进行数据预处理；解算各视角下的雷达目标姿态信息；然后对各视角下的一维像进行数据融合配准；设置特征提取门限；提取目标一维像前后沿位置；估算雷达目标长度；最后进行目标类型识别。本发明所提供的方法具有工程实现简单、数据融合效果好、所用方法理论依据充分等特点，并且多视角下雷达目标类型识别正确率相较于单视角下雷达目标类型识别正确率提高在5％以上。

主权项

基于多视角下一维像数据层融合的雷达目标类型识别方法，其特征在于：通过计算一维距离像的峰度矩阵K，找到峰度矩阵的最大元素max(K)及其对应的一维距离像，统计余下一维距离像集合{x_i}和离群峰度集合{k_i}，利用离群峰度法剔除异常一维距离像；以峰度矩阵最大元素对应的一维距离像为基像，采用最小熵估计准则对一维距离像进行对齐处理，对对齐后的一维距离像做非相干积累；根据雷达目标的航向和方位，计算海上目标的姿态角；利用同态拉伸仿射变换法对各视角下一维像进行数据融合配准；对非相干积累后的一维像统计噪声部分的均值和方差，按gate＝mean(X)+k*std(X)方法设置特征提取门限，其中gate是局部阈值，X是一维距离像中噪声数据集合，k是一常值系数；利用滑动平均延展法提取雷达目标一维像前后沿，通过雷达目标一维像前后沿和雷达距离分辨率按照f＝(pEnd‑pStart)*s方法计算雷达目标的径向长度，其中pEnd是雷达目标一维像后沿，pStart是雷达目标一维像前沿，s是雷达距离分辨率，f是径向长度；通过雷达目标姿态和雷达目标的径向长度与雷达目标长度之间的三角函数关系按照方法计算雷达目标的长度，其中f是雷达目标的一维像径向长度，θ是姿态角，L是雷达目标长度；最后进行雷达目标类型识别；通过该方法进行多视角下一维像雷达目标类型识别正确率在单视角下一维像雷达目标类型识别正确率基础上提高5％。