專利名稱：基于雙譜去噪的噪聲背景下雷達目標識別方法
技術領域：
本發明屬于雷達技術領域，涉及目標識別方法，可用于對噪聲背景下飛機、車輛等目標進行識別。
背景技術：
高分辨率距離像是寬帶雷達信號的目標散射點回波在雷達射線方向上投影的向量和，可以提供目標散射點回波在距離方向的大概分布情況，對目標的識別具有重要價值，因而成為雷達自動目標識別領域研究的熱點。實際應用中由于高分辨距離像在距離窗口出現的隨機性，使距離像具有平移敏感性問題，因而直接利用距離像識別需要進行平移對齊。常用的距離像對齊方法有滑動相關法和絕對對齊法，滑動相關法精度較高，但是計算復雜，而絕對對齊法計算簡單，但是精度較低。雙譜特征具有平移不變性，高分辨距離像可以在雙譜域直接平均，而無須對其作平移對齊，這避免了距離像對齊帶來的計算問題。雙譜特征對任意具有對稱概率密度函數且均值為零的噪聲具有盲性，利用雙譜特征對高斯白噪聲的抑制作用，可以解決高分辨距離像在噪聲背景下的去噪問題。雙譜特征保留了信號除線性相位以外的全部相位信息，除了位置不確定之外，可以從雙譜特征唯一的恢復出原始距離像。雙譜對白噪聲具有抑制作用，但復距離像的雙譜去噪必須考慮復距離像的初相敏感性問題。復距離像的相位包括由目標轉動引起的相位和由目標平動引起的相位，由目標轉動引起的相位包含目標的識別信息，具有一定識別價值，而由目標平動引起的相位即復距離像的初相，在雷達信號波長一定的情況下，初相是由目標和雷達的徑向距離決定的，不包含目標的識別信息，因此對識別沒有價值。對于一部C波段雷達，若載頻為6GHz，波長約為5cm，則5cm的平動就會使初相發生4 的變化。這說明很小的平動就會引起很大的初相改變，這使得復距離像 的相位很難被利用，這就是復距離像的初相敏感性問題。若可以對初相進行較好的校正，可以消除初相敏感性問題。現有的逆合成孔徑雷達成像中使用的自聚焦算法在理論上可以實現復距離像的初相校正，但受到目標距離雷達遠近等諸多因素的影響，目標的信噪比往往較低，若不去除噪聲的影響，自聚焦算法將不能在低信噪比情況下實現較好的初相校正，進而影響目標識別效果。
發明內容
本發明的目的在于提供一種基于雙譜去噪的噪聲背景下雷達目標識別方法，以解決上述已有技術在噪聲背景下無法恢復出去噪后平均距離像，進而導致識別率低的不足。實現本發明的基本思路是:通過使用訓練樣本的功率譜特征訓練線性相關向量機分類器，通過一組幅度為距離像幅度，相位為距離像相位兩倍的變形距離像計算測試樣本的平均雙譜，由平均雙譜恢復出去噪后平均距離像，將去噪后平均距離像的功率譜特征輸入到線性相關向量機分類器，確定出目標類別標號。具體步驟包括如下:
(I)從雷達回波數據庫中取出多類目標作為訓練目標，并對其回波進行脈沖壓縮，得到訓練目標的距離像樣本X，并對距離像樣本X歸一化，通過歸一化后距離像樣本計算線性相關向量機分類器的權系數W ;(2)雷達系統將檢測到的某個未知目標作為測試目標，并對該測試目標的R次連續回波分別進行脈沖壓縮，得到測試目標距離像樣本集:X= Ix1, X2,…，xd,…，X1J，其中d=l，2，…，R，Xd為d次回波進行脈沖壓縮得到的距離像樣本；(3)獲得去噪后平均距離像:3a)依次取出測試目標距離像樣本集中的距離像樣本，得到其雙譜:3al)對取出的距離像樣本Xd= {xd(0), Xd(I),…xd (e)，…xd (N-1)),使用下式產生變形距離像:yd={yd(0), yd(l),…yd(e),…yd(N_l)}:
權利要求
1.一種基于雙譜去噪的噪聲背景下雷達目標識別方法，包括如下步驟: (1)從雷達回波數據庫中取出多類目標作為訓練目標，并對其回波進行脈沖壓縮，得到訓練目標的距離像樣本X，并對距離像樣本X歸一化，通過歸一化后距離像樣本計算線性相關向量機分類器的權系數W ; (2)雷達系統將檢測到的某個未知目標作為測試目標，并對該測試目標的R次連續回波分別進行脈沖壓縮，得到測試目標距離像樣本集:X={Xl，x2,…，xd,-, xK)，其中d=l，2，…，R，Xd為d次回波進行脈沖壓縮得到的距離像樣本； (3)獲得去噪后平均距離像: 3a)依次取出測試目標距離像樣本集中的距離像樣本，得到其雙譜: 3al)對取出的距離像樣本Xd= {xd(0), Xd(I),…xd(e),…xd(N_l)},使用下式產生變形距離像:yd = {yd(0), yd(l),...yd(e),...yd (N-1)}: J參k⑷I ’ 其中xd(e)為xd中第e維元素，e=0,1，…，N-1, N為距離像維度； yd(e)為yd中第e維元素，e=0，l，…，N-1，I I表示求模值; 3a2)對距離像樣本Xd作快速傅里葉變換，得到Xd的頻譜Sd，對變形距離像yd作快速傅里葉變換，得到yd的頻譜Td;3a3)通過Xd的頻譜Sd，yd的頻譜Td得到Xd的雙譜Bd，該雙譜Bd為N維方陣，Bd中的第P+1 行，q+1 列元素:Bd(p，q) = Sd(p)Sd(q)Td*(p+q),其中 Sd(p)為 Sd 的第 p 維元素,Sd (q)為Sd的第q維元素，T/(p+q)為Td中第p+q維元素的共軛，p=0，l，-,N-1, q=0,l, -,N-1;3b)由步驟3a)得到的R 個雙譜，構成雙譜特征集B= (B1, B2，…Bd，…，B1J，計算平均雙譜特征吖=/ .:+昊—.1馬+ +鳥’其中(1=1，2，…，R，Bd為第d次距離像樣本的雙譜特征； 3c)由平均雙譜特征B'，求出去噪后平均距離像頻譜幅度U和相位V ； 3d)對去噪后平均距離像頻譜的幅度U和相位V進行逆快速傅里葉變換，求出去噪后平均距離像X'； (4)歸一化去噪后平均距離像X'，由歸一化的去噪后平均距離像和線性相關向量機分類器的權系數W得到目標類別標號。
2.根據權利要求1所述的噪聲背景下雷達目標識別方法，其中步驟I)所述的對距離像樣本X歸一化，采用2-范數強度歸一化法，得到歸一化后的訓練樣本Z = 其中I |x|為訓練距離像樣本X的2-范數。
3.根據權利要求1所述的噪聲背景下雷達目標識別方法，其中步驟I)所述的通過歸一化后距離像樣本計算線性相關向量機分類器的權系數W，按如下步驟: (Ia)將歸一化后的訓練樣本z進行傅里葉變化，并取其模值的平方，得到z的功率譜特IE:Da= (Da (0),Da (I),...，Da(p)，...Da (K-1) }， 其中Da(p)是訓練樣本功率譜特征Da的第p維元素，p=0，l，…，K-l，K為功率譜特征的維度；(Ib)使用歸一化后訓練樣本的功率譜特征DJII練線性相關向量機分類器，得到線性相關向量機分類器的權系數:W= {to (O) , Co (I),…，《(q),…《 (C-1)}, 其中:《 (q) = { (0, q) , (1，q)，…，o (K_l, q)}T是權系數的第q維元素， q=0, I,…，C-1, C為訓練目標類別數。
4.根據權利要求1所述的噪聲背景下雷達目標識別方法，其中步驟3c)中所述求出去噪后平均距離像頻譜幅度U，按如下步驟進行: 3cl)取平均雙譜特征B'的幅度G，并初始化去噪后平均距離像頻譜幅度U為元素全為I的N維向量，初始化去噪后變形距離像頻譜幅度F為元素全為I的N維向量，初始化迭代次數s為0 ; 3c2)依次更新U的每個元素:將U中的第q維元素U(q)更新為
5.根據權利要求1所述的噪聲背景下雷達目標識別方法，其中步驟3c)中所述求出去噪后平均距離像頻譜相位V，按如下步驟進行: 3c5)取平均雙譜特征B'的相位H，并初始化去噪后平均距離像頻譜相位V為元素全為I的N維向量，初始化去噪后變形距離像頻譜相位T為元素全為I的N維向量，初始化迭代次數s為0 ; 3c6)依次更新V的每個元素:將V中的第q維元素V(q)更新為
6.根據權利要求1所述的噪聲背景下雷達目標識別方法，其中步驟4)所述的由歸一化的去噪后平均距離像和線性相關向量機分類器的權系數W得到目標類別標號，按如下步驟: 4a)將歸一化的去噪后平均距離像進行傅里葉變化，并取其模值的平方，得到歸一化的去噪后平均距離像的功率譜特征:Db= (Db (0) ,Db(I),..., Db(p),...Db (K-1))，其中 Db (p)是功率譜特征 Db 的第 p 維元素，P=O, 1，…，K-1，K表示功率譜特征的維度； 4b)將歸一化的去噪后平均距離像的功率譜特征Db輸入到訓練好的線性相關向量機分類器中，通過其權系數W計算分類器的輸出:y=Db W，由于功率譜特征Db為K維向量，權系數W為K C維的矩陣，故分類器的輸出y為C維向量，C為訓練目標類別數； 4c)根據分類器的輸出確定目標類別標號，即將y中最大值元素對應的類別標號作為目標類 別標號。
全文摘要
本發明公開了一種基于雙譜去噪的噪聲背景下雷達目標識別方法，主要解決現有技術在噪聲背景下直接使用未去噪距離像進行目標識別，導致識別率差的問題。其實現過程是對訓練樣本歸一化，提取歸一化訓練樣本的功率譜特征；使用訓練樣本的功率譜特征訓練分類器，得到分類器的權系數；使用雙譜去噪方法對測試樣本進行去噪處理，恢復出去噪后平均距離像，并對其進行歸一化；提取歸一化的去噪后平均距離像的功率譜特征；使用訓練好的分類器對歸一化的去噪后平均距離像的功率譜特征進行分類，確定目標類別標號。本發明具有對噪聲穩健，可恢復出去噪后平均距離像的優點，可用于雷達目標識別。
文檔編號G01S7/41GK103217676SQ201310161379
公開日2013年7月24日 申請日期2013年5月6日 優先權日2013年5月6日
發明者杜蘭, 袁希望, 李志鵬, 王鵬輝, 劉宏偉 申請人:西安電子科技大學