一种非均匀量化状态转移特征矩阵提取方法技术

本发明专利技术属于飞机目标大小分类技术领域，具体涉及一种非均匀量化状态转移特征矩阵提取方法。本发明专利技术首先对飞机目标的窄带雷达RCS数据进行非均匀量化，然后利用训练数据集建立马尔可夫模型，抽取飞机目标的非均匀量化状态转移特征，与常规统计特征相比，更精细地使用了窄带雷达RCS数据序列中与目标结构形状有关的起伏变化信息，从而改善了对目标的分类性能。仿真实验结果验证了方法的有效性。

A method of extracting state transition eigenmatrix with non-uniform quantization

【技术实现步骤摘要】
一种非均匀量化状态转移特征矩阵提取方法
本专利技术属于飞机目标大小分类
，具体涉及一种非均匀量化状态转移特征矩阵提取方法。
技术介绍
窄带雷达技术成熟，价格较低，某些工作在低波段的雷达具有良好的反隐身能力和电子对抗能力，且目前在我军中大量服役，因此，对窄带雷达进行更深入的研究，最大限度地挖掘窄带雷达的潜能是十分必要的。飞机目标的大小一定程度上反映该目标的特性与威胁程度，故从窄带雷达数据中获取有关目标大小的类别信息具有重大的意义。目前利用窄带雷达区分飞机目标大小的方法主要利用目标窄带雷达数据的幅度序列或是经过傅里叶变换后窄带雷达数据的统计参数特征(如均值、方差、极大值、极小值等)的差异来区别飞机目标的大小。这些方法通过飞机目标某一角域内的窄带雷达RCS数据的位置特征参数和散布特征参数来区分目标，并没有有效利用目标窄带雷达RCS数据序列中与目标结构形状有关的变化特点，因此，目标大小分类的效果不理想。
技术实现思路
本专利技术的主要内容是针对上述问题，提出一种非均匀量化状态转移特征矩阵提取方法，通过抽取非均匀量化状态转移特征，完成对飞机目标的大小分类。本专利技术的技术方案是：一种非均匀量化状态转移特征矩阵提取方法，包括以下步骤：S1、获取飞机目标的训练RCS数据后，对第z类飞机目标的训练RCS数据进行归一化：其中，X(z)为归一化前第z类飞机目标的训练数据，X('z)为第z类飞机目标归一化后的训练数据；x(z)min和x(z)max分别为第z类目标训练数据的最小值和最大值；S2、对归一化后的数据进行非均匀量化，根据预设的量化阶梯数目计算出各类别的量化阶梯值：其中，q(i,z)表示第z类目标的量化阶梯的第i个值，i＝1，2...Nq，Nq表示预设的量化阶梯数目；Xs'为对归一化后的训练数据按升序进行排序后得到的数据集；Ns表示各量化阶梯的数据量，其值为：其中Nd表示训练数据总个数；S3、用非均匀量化后的RCS数据，统计各状态转移次数：ifx″(k，z)＝q(a)andx″(k+1，z)＝q(b)N(a,b,z)＝N(a,b,z)+1其中，x″(k，z)为第z类目标非均匀量化后的雷达RCS数据，k表示其所属的位置；q(a)和q(b)分别表示第a个和第b个状态的阶梯值；N(a,b,z)表示属于第z类目标的非均匀量化后的雷达RCS数据由q(a)态变为q(b)态的次数；S4、根据各状态转移统计结果，计算非均匀量化状态转移特征矩阵P，各元素的计算方法如下：其中p(a,b,z)为第z类目标的非均匀量化状态转移特征矩阵P的第a行第b列元素的值，从而获得非均匀量化状态转移特征矩阵P。本专利技术的有益效果为，与窄带雷达RCS数据均值、方差等统计特征相比，本专利技术的方法能够更精细高效地描述窄带雷达RCS数据序列中的起伏变化信息，从而提高了对飞机目标大小的分类效果。具体实施方式下面结合仿真实验实例，以证明本专利技术的有效性。仿真实验设计了大/中/小型飞机目标各7种散射点分布模型，散射点位置随机设置。仿真参数包括：雷达载频为10GHz；目标与雷达间的距离200km；雷达的俯仰角为3°；信噪比为25dB。每次实验从7种各类型目标随机选取五种作为训练数据，剩下的2种作为测试机型，测试数据为随机的20°角域的RCS数据，每种测试机型的各1000组数据。为避免偶然性，重复以上实验5次。利用本专利技术方法提取目标，对三类目标进行了分类实验，实验结果如表1所示。表1对大/中/小3型共21种飞机目标表的分类结果从实验结果可以看出，本专利技术提出的飞机目标大小分类方法对各型飞机都有较好的分类效果，分类的准确率基本都能达到90％以上，其中对小型飞机的分类效果最佳，大型飞机次之，中型飞机由于其数据分布与大型飞机和小型飞机的数据分布均存在交集，数据的模糊性较高，故分类效果较差，但平均分类准确率也能到达90％左右。由以上仿真实验可验证基于窄带雷达数据的非均匀量化状态转移特征的飞机目标大小分类方法是可行且有效的。另外，将本专利技术方法与常规的统计特征方法的分类结果进行了对比，如表2所示：表2两种特征分类对比结果从表2可以看出，由于本专利技术方法提取到了非均匀量化状态转移特征，与常规的均值方差等统计特征相比，能够更精细地表征窄带雷达RCS数据序列中与目标结构形状有关的起伏变化信息，因此，提高了分类准确率，且分类性能更稳健。本文档来自技高网...

【技术保护点】
1.一种非均匀量化状态转移特征矩阵提取方法，其特征在于，包括以下步骤：/nS1、获取飞机目标的训练RCS数据后，对第z类飞机目标的训练RCS数据进行归一化：/n

【技术特征摘要】
1.一种非均匀量化状态转移特征矩阵提取方法，其特征在于，包括以下步骤：
S1、获取飞机目标的训练RCS数据后，对第z类飞机目标的训练RCS数据进行归一化：



其中，X(z)为归一化前第z类飞机目标的训练数据，X′(z)为第z类飞机目标归一化后的训练数据；x(z)min和x(z)max分别为第z类目标训练数据的最小值和最大值；
S2、对归一化后的数据进行非均匀量化，根据预设的量化阶梯数目计算出各类别的量化阶梯值：



其中，q(i,z)表示第z类目标的量化阶梯的第i个值，i＝1，2...Nq，Nq表示预设的量化阶梯数目；X′s为对归一化后的训练数据按升序进行排序后得到的数据集；Ns表示各量化阶梯的数据量，其值为：

【专利技术属性】
技术研发人员：周代英，赖陈潇，张同梦雪，黎晓烨，李雄，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51