基于最近邻一类分类器的雷达分布式地面目标鉴别方法

摘要

本发明公开了一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，主要解决现有技术中检测后虚警过多的问题。其技术方案是：1)对雷达一维回波信号进行2-范数归一化后进行恒虚警检测；2)对检测结果进行截取和对齐并选取训练样本和测试样本；3)计算训练样本之间的平均Hausdorff距离向量，并确定最近邻一类分类器的判决门限Thr；4)计算测试样本与训练样本之间的平均Hausdorff距离d；5)将平均Hausdorff距离与判决门限进行比较，若d≤Thr，测试样本为目标，否则，测试样本为非目标。本发明较好的去除了非目标虚警，可用于分布式地面目标的鉴别。

主权项

一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，包括：(1)训练步骤(1a)对录取的雷达一维回波信号r_m0进行2‑范数归一化，得到归一化后的回波信号其中||||₂表示2‑范数，m＝1,…,M，M为回波样本总数；(1b)对归一化后的回波信号r_m进行恒虚警检测，得到检测后的处理结果r′_m；(1c)从检测后的处理结果r′_m中截取L个距离单元，并对截取单元进行质心对齐，再从M个对齐后的截取单元中选取含有真实目标的n个截取单元，作为训练样本x_i，其中i＝1,…,n，n为训练样本总数；(1d)构造与n个训练样本x_i相对应的训练样本散射点矩阵的集合{A₁,A₂,…,A_n}，其中的每一个元素$A_i=\left[\begin{array}{cccc}{g}_1& g_2& ...& g_{k_i}\\ x_{g_1}& x_{g_2}& ...& x_{g_{k_i}}\end{array}\right],$其中，i＝1,…,n，k_i为训练样本x_i中幅值大于0的距离单元的个数，表示训练样本x_i中幅值大于0的k_i个距离单元的位置，表示训练样本x_i中幅值大于0的k_i个距离单元处的幅值；(1e)计算训练样本散射点矩阵的集合{A₁,A₂,…,A_n}中两两元素之间的Hausdorff距离d_A‑ij，其中，i＝1,…,n，j＝1,…,n；(1f)利用步骤(1e)中得到的n×n个Hausdorff距离d_A‑ij构造n×1维训练样本之间的平均Hausdorff距离向量d_A；(1g)根据预先给定的最大错误概率p和训练样本之间的平均Hausdorff距离向量d_A，给定最近邻一类分类器的判决门限Thr；(2)测试步骤(2a)构造测试样本y；(2b)构造一个与测试样本y相对应的2×s维测试样本散射点矩阵B，其中，s为测试样本y中幅值大于0的距离单元的个数；(2c)计算测试样本散射点矩阵B与步骤(1d)中得到的训练样本散射点矩阵的集合{A₁,A₂,…,A_n}中每一个元素A_i的Hausdorff距离d_BA‑i，其中，i＝1,…，n，n为训练样本总数；(2d)计算测试样本与训练样本之间的平均Hausdorff距离d；(2e)将测试样本与训练样本之间的平均Hausdorff距离d与步骤(1g)中得到的最近邻一类分类器的判决门限Thr进行比较，判断测试样本y是否为目标：如果d≤Thr，则测试样本y为目标，否则，测试样本y为非目标。