基于比值的HRRP目标识别距离分类方法技术

本发明专利技术公开的基于比值的HRRP目标识别距离分类方法，属于雷达目标识别领域。本发明专利技术是基于对传统的距离分类器进行优化实现的。在训练阶段：将用于训练的雷达回波信号进行预处理与特征提取处理，并利用处理后的雷达回波信号建立训练样本特征矩阵；从建立的训练样本特征矩阵中提取每类特征的最大值，构成一个特征归一化矩阵。在识别阶段：通过建立识别样本特征矩阵、合并特征矩阵、合并矩阵归一化、合并矩阵正值化、目标识别五个一级步骤，识别出待识别样本的目标类型，即实现基于HRRP的雷达目标识别。本发明专利技术能够应用于雷达目标识别领域，提高雷达目标识别的精度和稳定度，解决雷达目标识领域相关工程技术问题。

Distance classification method of HRRP target recognition based on ratio

【技术实现步骤摘要】
基于比值的HRRP目标识别距离分类方法
本专利技术涉及一种基于比值的HRRP(高分辨距离像，HighResolutionRangeProfile)目标识别距离分类方法，属于雷达目标识别领域。
技术介绍
提高雷达目标识别精度是雷达目标识别领域发展的一个永恒的主题。HRRP是在大发射带宽、目标尺寸远大于雷达距离分辨率的条件下，目标散射点的子回波在雷达方向上投影的矢量和，由于其易获取性、便于处理、占用存储空间少、以及包含丰富的目标结构信息的优点，基于HRRP的雷达目标识别被认为是一种很有前景的雷达目标识别方法。由刘家锋、赵巍、朱海龙等人出版的《模式识别》一书中指出，距离分类器是目前解决目标识别问题的主要方法之一，因为这种分类器思想直观、方法简单，但是由于其未考虑到目标类别内部的分类情况，识别精度一般。而在实际应用中，如果不能保证高的识别精度会引起判断失误从而导致决策失误，使得己方蒙受损失。
技术实现思路
为了解决现有技术中距离分类器在进行基于HRRP的雷达目标识别时，识别精度差的问题，本专利技术公开的基于比值的HRRP目标本文档来自技高网...

【技术保护点】
1.基于比值的HRRP目标识别距离分类方法，其特征在于：是基于对传统的距离分类器进行优化实现的，将其命名为D距离分类器，包括训练阶段与识别阶段；所述基于比值的HRRP目标识别距离分类方法包括如下步骤，/n步骤一：将用于训练的雷达回波信号进行预处理与特征提取处理，并利用处理后的雷达回波信号建立训练样本特征矩阵；从建立的训练样本特征矩阵中提取每类特征的最大值，构成一个特征归一化矩阵，至此完成D距离分类器的训练阶段；/n步骤二：D距离分类器的识别阶段包括建立识别样本特征矩阵、合并特征矩阵、合并矩阵归一化、合并矩阵正值化、目标识别五个一级步骤，通过上述五个一级步骤输出的目标类型标签是待识别样本通过D距...

【技术特征摘要】
1.基于比值的HRRP目标识别距离分类方法，其特征在于：是基于对传统的距离分类器进行优化实现的，将其命名为D距离分类器，包括训练阶段与识别阶段；所述基于比值的HRRP目标识别距离分类方法包括如下步骤，
步骤一：将用于训练的雷达回波信号进行预处理与特征提取处理，并利用处理后的雷达回波信号建立训练样本特征矩阵；从建立的训练样本特征矩阵中提取每类特征的最大值，构成一个特征归一化矩阵，至此完成D距离分类器的训练阶段；
步骤二：D距离分类器的识别阶段包括建立识别样本特征矩阵、合并特征矩阵、合并矩阵归一化、合并矩阵正值化、目标识别五个一级步骤，通过上述五个一级步骤输出的目标类型标签是待识别样本通过D距离分类器识别出的目标类型，即通过D距离分类器实现基于HRRP的雷达目标识别。


2.如权利要求1所述的基于比值的HRRP目标识别距离分类方法，其特征在于：还包括步骤三，应用于雷达目标识别领域，能够提高雷达目标识别的精度和稳定度，解决雷达目标识领域相关工程技术问题。


3.如权利要求1或2所述的基于比值的HRRP目标识别距离分类方法，其特征在于：步骤一实现方法如下，
一级步骤1.1：将用于训练的雷达回波信号进行预处理与特征提取处理，并利用处理后的雷达回波信号建立训练样本特征矩阵Tprac如下：



其中，m表示训练样本的数目，n表示提取特征的类别数目，Tij表示第i个训练样本的第j类特征，其中：i＝1,2,…,m，j＝1,2,…,n；[T1j,T2j,…,Tij,…,Tmj]T为Tprac的第j个列矩阵，表示所有训练样本提取的第j类特征，[Flag1,Flag2,…,Flagi,…,Flagm]T为Tprac的最后一个列矩阵，元素Flagi为所在行特征对应的目标类型标签，其中Flagi∈C，C为所有目标的类型集合；[Ti1,Ti2,…,Tij,…,Tin,Flagi]为Tprac的第i个行矩阵，元素包括第i个训练样本提取的n类特征以及该行特征对应的目标类型标签Flagi；目标类型标签Flagi均不参与计算；
一级步骤1.2：从一级步骤1.1建立的训练样本特征矩阵Tprac中提取每类特征的最大值，构成一个特征归一化矩阵Tmax如下：
Tmax＝[T1maxT2max…Tjmax…Tnmax]
T1max＝max(T11,T21,…,Tm1)；
T2max＝max(T12,T22,…,Tm2)；
…
Tjmax＝max(T1j,T2j,…,Tmj)；
…
Tnmax＝max(T1n,T2n,…,Tmn)
其中，特征归一化矩阵Tmax中的元素数目与提取特征的类别数目相同，都为n；
至此，完成D距离分类器的训练阶段。


4.如权利要求3所述的基于比值的HRRP目标识别距离分类方法，其特征在于：步骤二实现方法如下，
一级步骤2.1：将用于识别的雷达回波信号，即待识别样本进行预处理与特征提取处理，并利用处理后的雷达回波信号建立识别样本特征矩阵Tid如下：
Tid＝[Tid1Tid2…Tidj…TidnFlag0]
其中，识别样本特征矩阵Tid包含n个特征和一个为Flag0的元素，最后一个元素Flag0为待识别样本的标签，表示该行数据对应的是待识别目标，元素Tidj为从用于识别的雷达回波信号中提取的第j类特征；
一级步骤2.2：将识别样本特征矩阵Tid与训练样本特征矩Tprac通过上下拼接的方式合并为特征矩阵T如下：



其中，最后一列的元素Flag0为待识别样本的标签，Flagi为所在行特征对应的目标类型标签，其中，i＝1,2,…,m,j＝1,2,…,n，Flagi∈C，C为所有目标的类型集合；最后一列的元素均不参与计算；
一级步骤2.3：将一级步骤2.2合并后的特征矩阵T进行归一化处理，得到归一化合并矩阵；
利用一级步骤1.2得到的特征归一化矩阵Tmax对合并特征矩阵T中的每一类特征都进行归一化处理，得到归一化合并矩阵TNormalized：



其中，最后一列的元素Flag0为待识别样本的标签，Flagi为所在行数据对应的目标类型标签，其中，i＝1,2,...

【专利技术属性】
技术研发人员：韩磊，姚璐，郭金东，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11