基于极化分解的噪声稳健宽带全极化目标识别方法技术

本发明专利技术属于雷达目标识别技术领域，特别涉及基于极化分解的噪声稳健宽带全极化目标识别方法。该基于极化分解的噪声稳健宽带全极化目标识别方法包括以下步骤：将每组训练用全极化通道距离像信号作为对应的训练样本，针对每个训练样本，获取对应训练样本的平均距离像和分类特征；获取对应测试样本的平均距离像和分类特征；将对应测试样本的平均距离像分别与每个训练样本的平均距离像进行对齐；得出每个训练样本的对应测试样本融合特征；根据每个训练样本的对应测试样本融合特征、以及对应训练样本的分类特征，对对应测试样本进行分类识别。

【技术实现步骤摘要】
基于极化分解的噪声稳健宽带全极化目标识别方法
本专利技术属于雷达目标识别
，特别涉及基于极化分解的噪声稳健宽带全极化目标识别方法，可用于对不同类型飞机或车辆目标进行分类。
技术介绍
宽带雷达目标识别可以利用目标的高分辨雷达回波信号，实现对目标类型的判定。高分辨雷达目标回波能够反应出目标更加详细的信息，具有低分辨雷达所不具有的独特优势。高分辨距离像提供了目标沿距离方向的几何结构信息，获取容易、处理方便，在目标识别方面有很好的应用。在单极化体制下，雷达发射和接收电磁波的极化方式是不变的。而目标在不同的极化电磁波照射下，电磁散射特性是不同的，通过不同极化方式的发射和接收，可以的到目标更加全面的极化信息。目标的极化信息和宽带信息从不同方面刻画了目标的散射特性，将两者结合起来也能更好的用于目标识别领域。上述基于高分辨距离像、目标全极化信息以及两者相结合的方法都对噪声具有很强的敏感性。但是实际中由于接收机热噪声一定，目标距离雷达越远，回波信噪比越低。通常应用中，用于训练阶段的距离像数据可由合作的实验获取或者是直接由电磁仿真程序生成，其信噪比较高；而用于测试阶段的距离像数据经常在非合作情况下取得，无法保证高信噪比，目标数据提取的特征会发生变化。此时，训练和测试之间产生模型失配，导致了识别性能随着测试样本信噪比的降低而急剧恶化，造成识别率明显下降。
技术实现思路
本专利技术的目的在于提出基于极化分解的噪声稳健宽带全极化目标识别方法。本专利技术能够在低信噪比条件下，有效改善目标识别性能，从而提升识别距离。为实现上述技术目的，本专利技术采用如下技术方案予以实现。基于极化分解的噪声稳健宽带全极化目标识别方法包括以下步骤：S1：利用雷达接收多组全极化通道距离像信号；获取全极化通道距离像信号的多个训练样本；S2：针对每个训练样本，采用目标极化特征提取方法，获取每个训练样本的平均距离像和分类特征；S3：将雷达接收的每组全极化通道距离像信号作为对应的测试样本，针对每个测试样本采用基于噪声修正的目标极化特征提取方法，获取每个测试样本的平均距离像和分类特征；针对每个测试样本，执行步骤S4至步骤S6；S4：将对应测试样本的平均距离像分别与每个训练样本的平均距离像进行对齐；得出对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数；S5：根据对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数，得出每个训练样本的对应测试样本融合特征；S6：根据每个训练样本的对应测试样本融合特征、以及每个训练样本的分类特征，得出对应测试样本对应的目标类别。本专利技术的有益效果为：本专利技术在信噪比变化时目标正确识别率没有大的变化，具有识别性能噪声稳健的优点，可用于在低信噪比宽带全极化目标识别。附图说明图1为本专利技术的基于极化分解的噪声稳健宽带全极化目标识别方法的流程图；图2a，为现有方法和本专利技术得出的测试样本的极化相干矩阵的最大特征值所占比例随信噪比变化对比示意图；图2b为现有方法和本专利技术得出的测试样本的极化相干矩阵对应的平均散射角随信噪比变化对比示意图；图2c为现有方法和本专利技术得出的测试样本的极化相干矩阵对应的散射熵随信噪比变化对比示意图；图3为现有方法和本专利技术得出的测试样本的极化相干矩阵的重构误差随信噪比变化的对比图；图4为现有方法和本专利技术得出的测试样本对应的目标正确识别率随信噪比变化的对比示意图。具体实施方式下面结合附图对本专利技术作进一步说明：参照图1，为本专利技术的基于极化分解的噪声稳健宽带全极化目标识别方法的流程图。该基于极化分解的噪声稳健宽带全极化目标识别方法包括以下步骤：S1：利用雷达接收多组全极化通道距离像信号；获取全极化通道距离像信号的多个训练样本。具体说明如下：上述全极化通道距离像信号包括HH极化通道距离像信号、HV极化通道距离像信号、VH极化通道距离像信号、以及VV极化通道距离像信号；在接收的全极化通道距离像信号中，选择信噪比最高的N1组全极化通道距离像信号作为对应的N1组训练用全极化通道距离像信号，N1为大于1的自然数。全极化通道距离像信号的多个训练样本可以通过雷达获取，也可以通过仿真获取。在全极化通道距离像信号的每个训练样本中，目标方位角(目标相对于雷达的方位角)和目标类别(例如为直升机、喷气式飞机或螺旋桨飞机)均已知。S2：针对每个训练样本，采用目标极化特征提取方法，获取每个训练样本的平均距离像和分类特征。具体说明如下：在步骤S2中，获取每个训练样本的平均距离像的过程相同，获取每个训练样本的分类特征的过程相同。因此，下面以任一个训练样本为例，说明获取对应训练样本的平均距离像和分类特征的过程，获取对应训练样本的平均距离像和分类特征包括以下步骤：S21：分别对对应训练样本的HH极化通道距离像信号、对应训练样本的HV极化通道距离像信号、对应训练样本的VH极化通道距离像信号、以及对应训练样本的VV极化通道距离像信号进行归一化处理，得到对应训练样本的HH极化通道归一化距离像信号、对应训练样本的HV极化通道归一化距离像信号、对应训练样本的VH极化通道归一化距离像信号、以及对应训练样本的VV极化通道归一化距离像信号；估计出对应训练样本的每个极化通道距离像信号的噪声平均功率。具体地，在步骤S21中，对应训练样本的HH极化通道距离像信号表示为sHH，对应训练样本的HV极化通道距离像信号表示为sHV，对应训练样本的VH极化通道距离像信号表示为sVH，对应训练样本的VV极化通道距离像信号表示为sVV；其中，sHH＝[sHH1,...,sHHk,...,sHHM]，sHV＝[sHV1,...,sHVk,...,sHVM]sVH＝[sVH1,...,sVHk,...,sVHM]，sVV＝[sVV1,...,sVVk,...,sVVM]其中，sHHk表示对应训练样本的HH极化通道第k个距离单元的距离像信号，sHVk表示对应训练样本的HV极化通道第k个距离单元的距离像信号，sVHk表示对应训练样本的VH极化通道第k个距离单元的距离像信号，sVVk表示对应训练样本的VV极化通道第k个距离单元的距离像信号，k取1至M，M为雷达接收的每个极化通道距离像信号(HH极化通道距离像信号sHH、HV极化通道距离像信号sHV、VH极化通道距离像信号sVH或VV极化通道距离像信号sVV)的长度；分别对对应训练样本的HH极化通道距离像信号sHH、对应训练样本的HV极化通道距离像信号sHV、对应训练样本的VH极化通道距离像信号sVH、以及对应训练样本的VV极化通道距离像信号sVV进行归一化处理，得到sHH经归一化处理后的信号sHV经归一化处理后的信号sVH经归一化处理后的信号以及sVV经归一化处理后的信号其中，表示对应训练样本的HH极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的HV极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的VH极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的VV极化通道第k个距离单元经归一化处理之后的距离像信号；以及分别为：其中，‖·‖2表示求2-范数；然后，估计出对应训练样本的每个极化通道距离像信号的噪声平均功率，对应训练样本的每个极化通道距离本文档来自技高网...

【技术保护点】
基于极化分解的噪声稳健宽带全极化目标识别方法，其特征在于，包括以下步骤：S1：利用雷达接收多组全极化通道距离像信号；获取全极化通道距离像信号的多个训练样本；S2：针对每个训练样本，采用目标极化特征提取方法，获取每个训练样本的平均距离像和分类特征；S3：将雷达接收的每组全极化通道距离像信号作为对应的测试样本，针对每个测试样本采用基于噪声修正的目标极化特征提取方法，获取每个测试样本的平均距离像和分类特征；针对每个测试样本，执行步骤S4至步骤S6；S4：将对应测试样本的平均距离像分别与每个训练样本的平均距离像进行对齐；得出对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数；S5：根据对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数，得出每个训练样本的对应测试样本融合特征；S6：根据每个训练样本的对应测试样本融合特征、以及每个训练样本的分类特征，得出对应测试样本的目标类别。

【技术特征摘要】
1.基于极化分解的噪声稳健宽带全极化目标识别方法，其特征在于，包括以下步骤：S1：利用雷达接收多组全极化通道距离像信号；获取全极化通道距离像信号的多个训练样本；S2：针对每个训练样本，采用目标极化特征提取方法，获取每个训练样本的平均距离像和分类特征；所述步骤S2具体包括以下步骤：S21：分别对每个训练样本的HH极化通道距离像信号、每个训练样本的HV极化通道距离像信号、每个训练样本的VH极化通道距离像信号、以及每个训练样本的VV极化通道距离像信号进行归一化处理，得到每个训练样本的HH极化通道归一化距离像信号、每个训练样本的HV极化通道归一化距离像信号、每个训练样本的VH极化通道归一化距离像信号、以及每个训练样本的VV极化通道归一化距离像信号；估计出每个训练样本的每个极化通道距离像信号的噪声平均功率；在步骤S21中，对应训练样本的HH极化通道距离像信号表示为sHH，对应训练样本的HV极化通道距离像信号表示为sHV，对应训练样本的VH极化通道距离像信号表示为sVH，对应训练样本的VV极化通道距离像信号表示为sVV；其中，sHH＝[sHH1,...,sHHk,...,sHHM]，sHV＝[sHV1,...,sHVk,...,sHVM]sVH＝[sVH1,...,sVHk,...,sVHM]，sVV＝[sVV1,...,sVVk,...,sVVM]其中，sHHk表示对应训练样本的HH极化通道第k个距离单元的距离像信号，sHVk表示对应训练样本的HV极化通道第k个距离单元的距离像信号，sVHk表示对应训练样本的VH极化通道第k个距离单元的距离像信号，sVVk表示对应训练样本的VV极化通道第k个距离单元的距离像信号，k取1至M，M为雷达接收的每个极化通道距离像信号的长度；分别对对应训练样本的HH极化通道距离像信号sHH、对应训练样本的HV极化通道距离像信号sHV、对应训练样本的VH极化通道距离像信号sVH、以及对应训练样本的VV极化通道距离像信号sVV进行归一化处理，得到sHH经归一化处理后的信号sHV经归一化处理后的信号sVH经归一化处理后的信号以及sVV经归一化处理后的信号其中，表示对应训练样本的HH极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的HV极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的VH极化通道第k个距离单元经归一化处理之后的距离像信号，表示对应训练样本的VV极化通道第k个距离单元经归一化处理之后的距离像信号；以及分别为：其中，||·||2表示求2-范数；然后，估计出对应训练样本的每个极化通道距离像信号的噪声平均功率，对应训练样本的每个极化通道距离像信号的噪声平均功率均为σ2；S22：针对每个训练样本，在所有训练样本中选取与对应训练样本对应的多个训练样本，选取的每个训练样本的目标方位角与对应训练样本的目标方位角的角度差小于设定角度阈值；每个训练样本的目标方位角指：每个训练样本中目标相对于雷达的方位角；在步骤S22中，根据以下公式得出对应训练样本的极化散射矩阵S：S＝[S1,…Sk,…,SM]其中，Sk为：根据以下公式得出对应训练样本的极化相干矩阵T：T＝[T1,…Tk,…,TM]其中，|·|表示取模，上标*表示矩阵的共轭，在步骤S22中，对于选取的每个训练样本，均有对应的A值、B值和C值，<·>表示：根据步骤S22选取的多个训练样本求集合平均；根据步骤S22选取的多个训练样本，对或进行集合平均计算，得出对应训练样本的平均距离像或根据选取的每个训练样本的HH极化通道归一化距离像信号、选取的每个训练样本的HV极化通道归一化距离像信号、选取的每个训练样本的VH极化通道归一化距离像信号、以及选取的每个训练样本的VV极化通道归一化距离像信号，得出对应训练样本的极化相干矩阵T、以及对应训练样本的平均距离像S23：根据对应训练样本的极化相干矩阵T、以及对应训练样本的每个极化通道距离像信号的噪声平均功率，得出对应训练样本的修正后极化相干矩阵根据对应训练样本的修正后极化相干矩阵得出对应训练样本的分类特征；在步骤S23中，针对对应训练样本，分别对T1至TM进行修正，得出矩阵至然后利用矩阵至组合成对应训练样本的修正后极化相干矩阵对Tk进行修正包括以下步骤：首先对Tk进行特征值分解，得出Tk＝UkΛkUk-1，其中，上标-1表示求矩阵的逆，Λk为3×3维的矩阵，Λk为：其中，λ1k为Tk的第1个特征值，λ2k为Tk的第2个特征值，λ3k为Tk的第3个特征值；Uk为3×3维的矩阵，Uk＝[U1k,U2k,U3k]，U1k为与λ1k对应的Tk的特征向量，U2k为与λ2k对应的Tk的特征向量，U3k为与λ3k对应的Tk的特征向量；U1k、U2k和U3k分别表示为如下形式：其中，α1k、α2k、α3k、β1k、β2k、β3k、δ1k、δ2k、δ3k、γ1k、γ2k、以及γ3k均为角度参数；根据对应训练样本的每个极化通道距离像信号的噪声平均功率σ2，对Λk进行修正，得到修正后特征值矩阵为：则得出矩阵在矩阵至中，针对每个矩阵提取归一化后比例特征、归一化后散射熵特征和归一化后平均散射角特征；在矩阵中提取归一化后比例特征、归一化后散射熵特征和归一化后平均散射角特征包括以下步骤：根据以下公式矩阵的比例特征Pk、散射熵特征Hk、以及平均散射角特征其中，g取1至3；由于k取1至M，此时便得出P1至PM、H1至HM、以及至计算出P1至PM的均值μP、P1至PM的标准差σP、H1至HM的均值μH、H1至HM的标准差σH、至的均值以及至的标准差根据以下公式得出矩阵的归一化后比例特征归一化后散射熵特征和归一化后平均散射角特征然后将矩阵至的归一化后比例特征组合成矢量将矩阵至的归一化后散射熵特征组合成矢量将矩阵至的归一化后平均散射角特征组合成矢量矢量矢量和矢量分别为：将矢量矢量和矢量组合成对应训练样本的分类特征C，C为：S3：将雷达接收的每组全极化通道距离像信号作为对应的测试样本，针对每个测试样本采用基于噪声修正的目标极化特征提取方法，获取每个测试样本的平均距离像和分类特征；针对每个测试样本，执行步骤S4至步骤S6；在步骤S3中，获取每个测试训练样本的平均距离像和分类特征包括以下步骤：S31：分别对每个测试样本的HH极化通道距离像信号、每个测试样本的HV极化通道距离像信号、每个测试样本的VH极化通道距离像信号、以及每个测试样本的VV极化通道距离像信号进行归一化处理，得到每个测试样本的HH极化通道归一化距离像信号、每个测试样本的HV极化通道归一化距离像信号、每个测试样本的VH极化通道归一化距离像信号、以及每个测试样本的VV极化通道归一化距离像信号；估计出每个测试样本的每个极化通道距离像信号的噪声平均功率；S32：针对每个测试样本，在所有测试样本选取与对应测试样本对应的多个测试样本，选取的每个测试样本的雷达接收时刻与对应测试样本的雷达接收时刻的差小于设定时间长度；每个测试样本的雷达接收时刻指：雷达接收对应一组全极化通道距离像信号的时刻；根据选取的每个测试样本的HH极化通道归一化距离像信号、选取的每个测试样本的HV极化通道归一化距离像信号、选取的每个测试样本的VH极化通道归一化距离像信号、以及选取的每个测试样本的VV极化通道归一化距离像信号，得出对应测试样本的极化相干矩阵T′、以及对应测试样本的平均距离像S33：根据对应测试样本的极化相干矩阵T′、以及对应测试样本的每个极化通道距离像信号的噪声平均功率，得出对应测试样本的修正后极化相干矩阵根据对应测试样本的修正后极化相干矩阵得出对应测试样本的分类特征；S4：将对应测试样本的平均距离像分别与每个训练样本的平均距离像进行对齐；得出对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数；S5：根据对应测试样本的平均距离像在与每个训练样本的平均距离像进行对齐时，向右移动的距离单元数，得出每个训练样本的对应测试样本融合特征；S6：根据每个训练样本的对应测试样本融合特征、以及每个训练样本的分类特征，得出对应测试样本的目标类别。2.如权利要求1所述的基于极化分...

【专利技术属性】
技术研发人员：杜兰，邓盛，刘宏伟，马艳艳，闫昆，罗智泉，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61