基于双谱去噪的噪声背景下雷达目标识别方法

摘要

本发明公开了一种基于双谱去噪的噪声背景下雷达目标识别方法，主要解决现有技术在噪声背景下直接使用未去噪距离像进行目标识别，导致识别率差的问题。其实现过程是：对训练样本归一化，提取归一化训练样本的功率谱特征；使用训练样本的功率谱特征训练分类器，得到分类器的权系数；使用双谱去噪方法对测试样本进行去噪处理，恢复出去噪后平均距离像，并对其进行归一化；提取归一化的去噪后平均距离像的功率谱特征；使用训练好的分类器对归一化的去噪后平均距离像的功率谱特征进行分类，确定目标类别标号。本发明具有对噪声稳健，可恢复出去噪后平均距离像的优点，可用于雷达目标识别。

主权项

一种基于双谱去噪的噪声背景下雷达目标识别方法，包括如下步骤： (1)从雷达回波数据库中取出多类目标作为训练目标，并对其回波进行脉冲压缩，得到训练目标的距离像样本x，并对距离像样本x采用2‑范数强度归一化法，得到归一化后的训练样本归一化，其中||x||为训练距离像样本x的2‑范数；(2)通过归一化后距离像样本计算线性相关向量机分类器的权系数W： (2a)将归一化后的训练样本z进行傅里叶变化，并取其模值的平方，得到z的功率谱特征：D_a＝{D_a(0),D_a(1),…,D_a(p),…D_a(K‑1)}，其中D_a(p)是训练样本功率谱特征D_a的第p维元素，p＝0,1,…,K‑1，K为功率谱特征的维度； (2b)使用归一化后训练样本的功率谱特征D_a训练线性相关向量机分类器，得到线性相关向量机分类器的权系数：W＝{ω(0),ω(1),…,ω(q),…ω(C‑1)}，其中： ω(q)＝{ω(0,q),ω(1,q),…,ω(K‑1,q)}^T是权系数的第q维元素，q＝0,1,…,C‑1，C为训练目标类别数； (3)雷达系统将检测到的某个未知目标作为测试目标，并对该测试目标的R次连续回波分别进行脉冲压缩，得到测试目标距离像样本集：X＝{x₁,x₂,...,x_d,…,x_R}，其中d＝1,2,…,R，x_d为d次回波进行脉冲压缩得到的距离像样本； (4)获得去噪后平均距离像： 4a)依次取出测试目标距离像样本集中的距离像样本，得到其双谱： 4a1)对取出的距离像样本x_d＝{x_d(0),x_d(1),…x_d(e),…x_d(N‑1)}，使用下式产生变形距离像：y_d＝{y_d(0),y_d(1),…y_d(e),…y_d(N‑1)}： 其中x_d(e)为x_d中第e维元素，e＝0,1,…,N‑1，N为距离像维度； y_d(e)为y_d中第e维元素，e＝0,1,…,N‑1，|·|表示求模值； 4a2)对距离像样本x_d作快速傅里叶变换，得到x_d的频谱S_d，对变形距离像y_d作快速傅里叶变换，得到y_d的频谱T_d； 4a3)通过x_d的频谱S_d，y_d的频谱T_d得到x_d的双谱B_d，该双谱B_d为N维方阵，B_d中的第p+1行，q+1列元素：B_d(p,q)＝S_d(p)S_d(q)T_d^*(p+q)，其中S_d(p)为S_d的第p维元素，S_d(q)为S_d的第q维元素，T_d^*(p+q)为T_d中第p+q维元素的共轭，p＝0,1,…,N‑1，q＝0,1,…,N‑1； 4b)由步骤4a)得到的R个双谱，构成双谱特征集B＝{B₁,B₂,…B_d,…,B_R}，计算平均双谱特征其中d＝1,2,…,R，B_d为第d次距离像样本的双谱特征；4c)由平均双谱特征B′，求出去噪后平均距离像频谱幅度U和相位V； 4d)对去噪后平均距离像频谱的幅度U和相位V进行逆快速傅里叶变换，求出去噪后平均距离像x′； (5)归一化去噪后平均距离像x′，由归一化的去噪后平均距离像和线性相关向量机分类器的权系数W得到目标类别标号： 5a)将归一化的去噪后平均距离像进行傅里叶变化，并取其模值的平方，得到归一化的去噪后平均距离像的功率谱特征：D_b＝{D_b(0),D_b(1),…,D_b(p),…D_b(K‑1)}，其中D_b(p)是功率谱特征D_b的第p维元素，p＝0,1,…,K‑1，K表示功率谱特征的维度； 5b)将归一化的去噪后平均距离像的功率谱特征D_b输入到训练好的线性相关向量机分类器中，通过其权系数W计算分类器的输出：y＝D_b·W，由于功率谱特征D_b为K维向量，权系数W为K·C维的矩阵，故分类器的输出y为C维向量，C为训练目标类别数； 5c)根据分类器的输出确定目标类别标号，即将y中最大值元素对应的类别标号作为目标类别标号。