The invention discloses a method for radar target localization based on machine learning. Including a specific embodiment of the method: distance to pressure on the use of processing along the target radar echo signal SAR received double track channel synthetic aperture interferometric phase, get the interference matrix, the interferometric phase vector corresponding to each phase in the matrix distance unit input neural network, namely each range position is x0 there is a moving target and moving target. The way to avoid the problem of traditional fuzzy phase along track interferometric ATI method complex range of pulse, the radial velocity estimation process and facing, thus solving the problem of moving target positioning accuracy decline over the course of cumulative error caused by moving target positioning accuracy and less the higher the use, can satisfy the high real-time and high positioning accuracy.
【技术实现步骤摘要】
本申请涉及信号处理
,具体涉及雷达目标检测和识别领域,尤其涉及一种基于机器学习的雷达目标定位方法,该方法可用于雷达动目标检测、动目标定位与跟踪等。
技术介绍
现有雷达系统基于较为严格的理论模型和传统的信号处理手段,主要存在以下问题:(1)复杂环境建模困难,系统误差累积,高稳健性难以实现;(2)线性周期处理方式(如傅里叶变换等),解模糊(距离模糊、多普勒模糊、相位模糊、速度模糊等)需要复杂的运算和昂贵的硬件成本;(3)雷达系统复杂,通用性差、可移植性较弱,升级改造周期长。近年来,随着大数据和计算能力的提升,又掀起了以机器学习、深度学习为代表的人工智能浪潮。利用机器学习技术,将雷达处理过程等效为“黑盒”,通过训练神经网络,直接构建原始回波数据或距离脉压域数据与输出信息的非线性关系,可实现以下功能:(1)利用包含环境和系统误差的数据进行训练,提高系统稳健性;(2)非线性处理解模糊;(3)系统架构呈现模块化,可移植性强、可实现快速升级。因此,研究基于机器学习的雷达目标定位方法具有重要意义。
技术实现思路
本申请的目的在于针对上述已有技术的不足,提出一种基于机器学习的雷达目标定位方法,以提高系统实现的稳健性和快速移植能力。本申请提供了一种基于机器学习的雷达目标定位方法,所述方法包括:对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号和进行距离向脉压处理,得到双通道距离脉压域信号和其中,为快时间,tm为慢时间,R0为目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置;将所述双通道距离脉压域信号和进行共轭相乘,得到干涉矩阵 ...
【技术保护点】
一种基于机器学习的雷达目标定位方法,其特征在于,所述方法包括:对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号和进行距离向脉压处理,得到双通道距离脉压域信号矩阵和其中,为快时间,tm为慢时间,R0为目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置;将所述双通道距离脉压域信号矩阵和进行共轭相乘,得到干涉矩阵其中,是的共轭矩阵;对所述干涉矩阵进行取相位操作,计算得到干涉相位矩阵其中,angle[·]表示取相位操作;将所述干涉相位矩阵中每个距离单元对应的干涉相位矢量依次输入神经网络,得到对应距离单元的目标运动属性值M和所述目标相对于所述雷达平台的方位位置x0,即得到每个距离单元是否存在运动目标及运动目标的方位位置。
【技术特征摘要】
1.一种基于机器学习的雷达目标定位方法,其特征在于,所述方法包括:对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号和进行距离向脉压处理,得到双通道距离脉压域信号矩阵和其中,为快时间,tm为慢时间,R0为目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置;将所述双通道距离脉压域信号矩阵和进行共轭相乘,得到干涉矩阵其中,是的共轭矩阵;对所述干涉矩阵进行取相位操作,计算得到干涉相位矩阵其中,angle[·]表示取相位操作;将所述干涉相位矩阵中每个距离单元对应的干涉相位矢量依次输入神经网络,得到对应距离单元的目标运动属性值M和所述目标相对于所述雷达平台的方位位置x0,即得到每个距离单元是否存在运动目标及运动目标的方位位置。2.根据权利要求1所述的基于机器学习的雷达目标定位方法,其特征在于,所述方法还包括:预先构建并训练基于误差后向传播BP的所述神经网络。3.根据权利要求2所述的基于机器学习的雷达目标定位方法,其特征在于,所述预先构建并训练基于误差后向传播BP的所述神经网络,包括如下步骤:(1)设定目标的目标参数(x0,R0,vr,va)和沿航迹双通道合成孔径雷达SAR的系统参数,其中,所述目标是指用于训练所述神经网络的目标,包含运动目标和静止目标,R0为所述目标到雷达平台运行轨道的最近距离,x0为所述目标在tm=0时刻相对于所述雷达平台的方位位置,tm为慢时间,vr和va分别为所述目标的径向速度和方位向速度;(2)根据所述目标参数和所述系统参数,生成所述目标的距离脉压域的双通道仿真信号和并计算目标运动属性值,其中,为快时间,如果所述目标的径向速度vr和方位向速度va同时为零,则设所述目标运动属性值M=0,否则,设置M=1;(3)根据所述目标的双通道仿真信号和计算得到所述目标所在距离单元的数据矢量s′1(tm,x0)和s′2(tm,x0);(4)将s′1(tm,x0)和s′2(tm,x0)共轭相乘,计算所述目标的干涉相位矢量;(5)构建所述神经网络,计算所述目标的干涉相位矢量的长度L,设定所述神经网络的输入节点的个数等于L、输出节点的个数等于2、隐含层节点的个数等于其中,表示求平方根运算,floor(·)表示向下取整运算,初始化训练次数T=0;(6)将所述干涉相位矢量作为所述神经网络的输入数据,将所述目标运动属性值M和所述...
【专利技术属性】
技术研发人员:张学攀,刘波,贺杨,
申请(专利权)人:中国空间技术研究院,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。