一种基于角域划分的飞机目标分类方法技术

本发明专利技术属于飞机目标分类技术领域，特别涉及一种基于角域划分的飞机目标分类方法。其具体步骤为：仿真产生三类飞机在方位角α的角域范围[-90°,90°]内的旋翼雷达回波数据；将方位角α的[-90°,90°]区域划分为C个角域；在第c个角域下(c＝1,...,C)仿真产生Dc个训练样本，每个训练样本表示任一类飞机在第c个角域下旋翼的一次雷达回波数据；根据仿真产生的训练样本，提取特征并进行归一化处理和特征选择，训练第c个角域下的分类器，得出训练后第c个角域下的分类器；通过接收飞机旋翼的雷达回波，获取测试样本；判断测试样本所属的角域，根据测试样本所属角域对测试样本进行特征选择，将特征选择后的归一化特征向量输入对应角域下训练后的分类器中，得出对应测试样本的飞机类别。

【技术实现步骤摘要】
一种基于角域划分的飞机目标分类方法
本专利技术属于飞机目标分类
，特别涉及一种基于角域划分的飞机目标分类方法，尤其涉及一种建立垂直旋翼的飞机目标的雷达回波参数模型及在角域划分的情况下进行飞机目标分类方法。
技术介绍
在现代战场中，不同类型的飞机具有不同的机动性能，并各自承担着重要的任务。直升机可以垂直起飞和降落，承担着医疗救援、通信运输、低空攻击、敌后侦查和空降转移等重要任务；螺旋桨飞机有较好的起降和低速飞行性能，主要用于物资运输夺取低空、超低空控制权等；喷气式飞机飞行高度高，飞行速度快，能在空中快速地厮杀作战。因此，实现这三类飞机的分类将具有重大的意义。目前为止，相关文献建立的雷达回波参数模型都是在飞机旋翼的旋转平面与地面水平的情况下推导得到的，而实际情况中，只有直升飞机主旋的旋转平面与地面水平，直升机尾旋、螺旋桨飞机旋翼、喷气式飞机旋翼的旋转平面一般都与地面垂直，垂直旋翼的时域回波对方位角较敏感，旋翼时域回波会随着方位角的变化而发生变化，进而，我们提取出的反映旋翼JEM特性的特征也一定会随着方位角的变化而发生变化。在全角域下，旋翼回波提取出的特征的变化范围相对较大(主要针对垂直旋翼)，学习得到的分类器的分类界面会变得相对复杂，分类性能也难以保证。
技术实现思路
本专利技术的目的在于针对上述现有技术的不足，提出一种基于角域划分的飞机目标分类方法，本专利技术实现了垂直旋翼雷达回波的仿真，并通过角域划分的方法，提高了各角域下飞机目标的分类正确率。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。一种基于角域划分的飞机目标分类方法包括以下步骤：步骤1，建立水平旋翼的雷达回波参数模型和垂直旋翼的雷达回波参数模型；步骤2，根据步骤1的水平旋翼的雷达回波参数模型，通过仿真产生直升机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据；根据步骤1的垂直旋翼的雷达回波参数模型，通过仿真产生螺旋桨飞机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据、以及喷气式飞机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据；步骤3，根据步骤2仿真产生的每类飞机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据，将飞机旋翼相对于雷达的方位角α的[-90°,90°]区域划分为多个角域，划分的角域的总个数为C；步骤4，仿真产生D个训练样本，每个训练样本表示任一类飞机在方位角的角域范围[-90°,90°]内的旋翼的一次雷达回波数据；其中，直升机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据是在步骤1的水平旋翼的雷达回波参数模型的基础上通过仿真产生的，螺旋桨飞机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的，喷气式飞机在方位角的角域范围[-90°,90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的；步骤5，根据步骤4仿真产生的D个训练样本，训练线性SVM分类器，得出训练后的线性SVM分类器；步骤6，通过接收飞机的旋翼的雷达回波，获取Q个测试样本，每个测试样本表示飞机的旋翼的对应的一组雷达回波数据；提取第q个测试样本的M维特征，将第q个测试样本的M维特征组成特征向量fq'，q＝1,2,…,Q，M为大于1的自然数；步骤7，根据步骤6中每个测试样本对应的特征向量，得出对应测试样本的归一化特征向量，将每个测试样本的归一化特征向量输入步骤5生成的训练后的线性SVM分类器中，得出对应测试样本的飞机类别。本专利技术的有益效果为：1)本专利技术建立了垂直旋翼的雷达回波参数模型，实现了垂直旋翼雷达回波的仿真，基于仿真结果可以分析垂直旋翼的回波及其提取出的特征随方位角的变化情况。2)本专利技术通过角域划分的方法，使得特征在所划定的角域内的分布范围变得相对较小，增强了训练样本和测试样本的相似性，并通过分角域训练分类器及在各角域下分别进行特征选择的方法，提高了各角域下三类飞机的分类正确率。附图说明图1为本专利技术的一种基于角域划分的飞机目标分类方法的流程图；图2为本专利技术的水平旋翼模型示意图；图3为简单情况下的垂直旋翼雷达回波参数模型的示意图；图4为改进的垂直旋翼雷达回波参数模型的示意图；图5a为角域自适应划分的整体流程图；图5b为缩小角域范围的流程图；图5c为增大角域范围的流程图；图6a是仿真实验中方位角为90°时直升机主旋旋翼的时域调制回波和多普勒域回波的示意图；图6b是仿真实验中方位角为45°时直升机主旋旋翼的时域调制回波和多普勒域回波的示意图；图6c为仿真实验中方位角为0°时直升机主旋旋翼的时域调制回波和多普勒域回波的示意图；图7a是仿真实验中方位角为90°时螺旋桨飞机旋翼的时域调制回波和多普勒域回波的示意图；图7b是仿真实验中方位角为45°时螺旋桨飞机旋翼的时域调制回波和多普勒域回波的示意图；图7c为仿真实验中方位角为0°时螺旋桨飞机旋翼的时域调制回波和多普勒域回波的示意图；图8a是仿真实验中方位角为90°时喷气式飞机旋翼的时域调制回波和多普勒域回波的示意图；图8b是仿真实验中方位角为45°时喷气式飞机旋翼的时域调制回波和多普勒域回波的示意图；图8c为仿真实验中方位角为0°时喷气式飞机旋翼的时域调制回波和多普勒域回波的示意图；图9a是仿真实验中三类飞机的第1维特征谱特征随方位角的变化关系曲线图；图9b是仿真实验中三类飞机的第2维特征谱特征随方位角的变化关系曲线图；图9c是仿真实验中三类飞机的第3维特征谱特征随方位角的变化关系曲线图；图9d是仿真实验中三类飞机的时域特征熵随方位角的变化关系曲线图；图9e是仿真实验中三类飞机的多普勒域特征熵随方位角的变化关系曲线图；图9f是仿真实验中三类飞机的多普勒域特征方差随方位角的变化关系曲线图；图10是仿真实验中特征均值向量之差的二范数与设定的门限值之间的关系图；图11a是仿真实验中方位角的角域范围[-90°,-60°]区域内归一化后权值向量的均值与设定的门限之间的关系图；图11b是仿真实验中方位角的角域范围[-60°,-42°]区域内归一化后权值向量的均值与设定的门限之间的关系图；图11c是仿真实验中方位角的角域范围[-42°,26°]区域内归一化后权值向量的均值与设定的门限之间的关系图；图11d是仿真实验中方位角的角域范围[26°,74°]区域内归一化后权值向量的均值与设定的门限之间的关系图；图11e是仿真实验中方位角的角域范围[74°,90°]区域内归一化后权值向量的均值与设定的门限之间的关系图；图12是仿真实验中本专利技术的三种分类器在各角域下的分类结果统计图。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，为本专利技术的一种基于角域划分的飞机目标分类方法的流程图，本专利技术可用于对常规窄带雷达空中目标回波进行分类，其包括以下步骤：步骤1，建立水平旋翼的雷达回波参数模型和垂直旋翼的雷达回波参数模型。旋翼雷达回波形状存在差异的本质原因是雷达视线(雷达与旋翼的连线)与旋翼旋转平面的夹角γ不同，将夹角γ称为视角。无论旋翼旋转平面与地面平行或垂直，只要视角γ确定，雷达回波的形状就可以确定。当旋翼旋转平面与地面相互平行时，视角γ仅由飞机旋翼相对于雷达的俯仰角β决定，且本文档来自技高网...

【技术保护点】
一种基于角域划分的飞机目标分类方法，其特征在于，包括以下步骤：步骤1，建立水平旋翼的雷达回波参数模型和垂直旋翼的雷达回波参数模型；步骤2，根据步骤1的水平旋翼的雷达回波参数模型，通过仿真产生直升机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据；根据步骤1的垂直旋翼的雷达回波参数模型，通过仿真产生螺旋桨飞机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据、以及喷气式飞机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据；步骤3，根据步骤2仿真产生的每类飞机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据，将飞机旋翼相对于雷达的方位角α的[‑90°,90°]区域划分为多个角域，划分的角域的总个数为C；步骤4，仿真产生D个训练样本，每个训练样本表示任一类飞机在方位角的角域范围[‑90°,90°]内的旋翼的一次雷达回波数据；其中，直升机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据是在步骤1的水平旋翼的雷达回波参数模型的基础上通过仿真产生的，螺旋桨飞机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的，喷气式飞机在方位角的角域范围[‑90°,90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的；步骤5，根据步骤4仿真产生的D个训练样本，训练线性SVM分类器，得出训练后的线性SVM分类器；步骤6，通过接收飞机的旋翼的雷达回波，获取Q个测试样本，每个测试样本表示飞机的旋翼的对应的一次雷达回波数据；提取第q个测试样本的M维特征，将第q个测试样本的M维特征组成特征向量fq'，q＝1,2,…,Q，M为大于1的自然数；步骤7，根据步骤6中每个测试样本对应的特征向量，得出对应测试样本的归一化特征向量，将每个测试样本的归一化特征向量输入步骤5生成的训练后的线性SVM分类器中，得出对应测试样本的飞机类别。...

【技术特征摘要】
1.一种基于角域划分的飞机目标分类方法，其特征在于，包括以下步骤：步骤1，建立水平旋翼的雷达回波参数模型和垂直旋翼的雷达回波参数模型；步骤2，根据步骤1的水平旋翼的雷达回波参数模型，通过仿真产生直升机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据；根据步骤1的垂直旋翼的雷达回波参数模型，通过仿真产生螺旋桨飞机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据、以及喷气式飞机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据；步骤3，根据步骤2仿真产生的每类飞机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据，将飞机旋翼相对于雷达的方位角α的[-90°，90°]区域划分为多个角域，划分的角域的总个数为C；步骤4，仿真产生D个训练样本，每个训练样本表示任一类飞机在方位角的角域范围[-90°，90°]内的旋翼的一次雷达回波数据；其中，直升机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据是在步骤1的水平旋翼的雷达回波参数模型的基础上通过仿真产生的，螺旋桨飞机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的，喷气式飞机在方位角的角域范围[-90°，90°]内的旋翼的雷达回波数据是在步骤1的垂直旋翼的雷达回波参数模型的基础上通过仿真产生的；步骤5，根据步骤4仿真产生的D个训练样本，训练线性SVM分类器，得出训练后的线性SVM分类器；步骤6，通过接收飞机的旋翼的雷达回波，获取Q个测试样本，每个测试样本表示飞机的旋翼的对应的一次雷达回波数据；提取第q个测试样本的M维特征，将第q个测试样本的M维特征组成特征向量fq′，q＝1，2，...，Q，M为大于1的自然数；步骤7，根据步骤6中每个测试样本对应的特征向量，得出对应测试样本的归一化特征向量，将每个测试样本的归一化特征向量输入步骤5生成的训练后的线性SVM分类器中，得出对应测试样本的飞机类别。2.如权利要求1所述的一种基于角域划分的飞机目标分类方法，其特征在于，在所述步骤1中，所述垂直旋翼的雷达回波参数模型为：其中，sN(t)表示单发垂直旋翼的雷达回波，t表示时间，sbk(t)表示飞机旋翼的第k+1个桨叶的雷达回波，k＝0，1，...，N-1，N为飞机旋翼的桨叶数目；θk表示飞机旋翼的第k+1个桨叶的初相角，L1表示飞机旋翼的每个桨叶的根部与飞机旋翼的旋转中心之间的距离，L2表示飞机旋翼的每个桨叶的尖部与飞机旋翼的旋转中心之间的距离，R0为雷达与飞机旋翼旋转中心之间的距离，λ表示雷达发射信号的波长，ωr表示飞机旋翼的旋转角速度；α′＝arccot(cosαcotβ)，β′＝γ＝arcsin(sinαcosβ)，α为飞机旋翼相对于雷达的方位角，β为飞机旋翼相对于雷达的俯仰角。3.如权利要求1所述的一种基于角域划分的飞机目标分类方法，其特征在于，在所述步骤1中，以飞机旋翼旋转中心为原点建立旋翼坐标系(x，y，z)，旋翼坐标系(x，yz)为三维直角坐标系，旋翼坐标系(x，y，z)的z轴正向为竖直向上方向，旋翼坐标系(x，y，z)的y轴正向为飞机飞行方向，将飞机旋翼的旋转平面绕旋翼坐标系(x，y，z)的z轴顺时针旋转角度表示为在所述步骤1中，所述垂直旋翼的雷达回波参数模型为：其中，sN(t)表示单发垂直旋翼的雷达回波，t表示时间，sbk(t)表示飞机旋翼的第k+1个桨叶的雷达回波，k＝0，1，...，N-1，N为飞机旋翼的桨叶数目；L1表示飞机旋翼的每个桨叶的根部与飞机旋翼的旋转中心之间的距离，L2表示飞机旋翼的每个桨叶的尖部与飞机旋翼的旋转中心之间的距离，λ表示雷达发射信号的波长，R0为雷达与飞机旋翼旋转中心之间的距离，ωr表示飞机旋翼的旋转角速度；α为飞机旋翼相对于雷达的方位角，β为飞机旋翼相对于雷达的俯仰角，θk表示飞机旋翼的第k+1个桨叶的初相角。4.如权利要求1所述的一种基于角域划分的飞机目标分类方法，其特征在于，在步骤2中，针对直升机、螺旋桨飞机和喷气式飞机这三类飞机，当飞机旋翼相对于雷达的方位角α在[-90°，90°]区域时，通过仿真产生每类飞机的旋翼的雷达回波数据；通过仿真产生每类飞机的旋翼的雷达回波数据的总个数为Y；对于仿真产生的每类飞机的第y个雷达回波数据，提取M维特征，将提取的M维特征组成特征向量fyY，fyY＝[f1y，f2y，...，fMy]T，y＝1，2，...，Y，其中[·]T表示向量的转置；fmy表示对仿真产生的每类飞机的第y个雷达回波数据提取的第m维特征，m＝1，2，...，M；将仿真产生的每类飞机的Y个雷达回波数据的特征向量组成特征矩阵FY，FY＝[f1Y，f2Y，...，fYY]，得出仿真产生的每类飞机的第y个雷达回波数据的归一化特征向量μY表示特征矩阵FY的每行的均值形成的向量，σY表示特征矩阵FY的每行的标准差形成的向量；所述步骤3的具体子步骤为：3a)设初始化的方位角的角域范围为[θ，v]，θ表示设定角域起始角度，v表示角域终止角度；在步骤2仿真产生的直升机的旋翼的Y个雷达回波数据、仿真产生的螺旋桨飞机的旋翼的Y个雷达回波数据、以及仿真产生的喷气式飞机的旋翼的Y个雷达回波数据中，选取飞机旋翼相对于雷达的方位角α在[θ，v]的雷达回波数据；将选取的飞机旋翼相对于雷达的方位角α在[θ，v]的雷达回波数据的归一化特征向量的各维特征分别求取均值，得到特征均值向量其中，mm(θ，ν)表示选取的飞机旋翼相对于雷达的方位角α在[θ，v]的雷达回波数据的归一化特征向量的第m维特征的均值，m＝1，2，...，M；在步骤2仿真产生的直升机的旋翼的Y个雷达回波数据、仿真产生的螺旋桨飞机的旋翼的Y个雷达回波数据、以及仿真产生的喷气式飞机的旋翼的Y个雷达回波数据中，选取飞机旋翼相对于雷达的方位角α在的雷达回波数据，表示设定的角度搜索间隔；将选取的飞机旋翼相对于雷达的方位角α在的雷达回波数据的归一化特征向量的各维特征分别求取均值，得到特征均值向量其中，表示选取的飞机旋翼相对于雷达的方位角α在的雷达回波数据的归一化特征向量的第m维特征的均值，m＝1，2，...，M；得出和之差的二范数δ；若δ大于设定的门限值κ，此时特征变化较大，则转到子步骤3b)；若二范数δ小于等于设定的门限值κ，此时特征变化较小，则转到子步骤3c)；3b)令v的值自减小重新计算得出特征均值向量和特征均值向量得出和之差的二范数δ；若二范数δ小于等于设定的门限值κ，则[θ，v]作为划定完成的一个方位角的角域范围，而后转到子步骤3d)；若二范数δ仍大于设定的门限值κ，则重复子步骤3b)，在重复子步骤3b)的过程中，若出现的情况，停止重复子步骤3b)，将[θ，v]作为划定完成的一个方位角的角域范围，而后子步骤3d)；3c)令v的值自增加重新计算得出特征均值向量和特征均值向量得出和之差的二范数δ；若二范数δ仍大于设定的门限值κ，则将[θ，v]作为划定完成的一个方位角的角域范围，而后转到子步骤3d)；若二范数δ小于等于设...

【专利技术属性】
技术研发人员：杜兰，李玮璐，王宝帅，李林森，纠博，
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