基于高分辨距离像的目标长度估计方法与其应用技术

本发明专利技术公开了基于高分辨距离像的目标长度估计方法与其应用，其中所述目标长度估计方法包括提取预处理后的目标序贯高分辨距离像中目标的径向投影长度特征，得到目标的序贯径向投影长度的过程，本发明专利技术能准确、稳定地估计出目标的长度，估计结果与目标实际长度吻合性高、误差小，可有效克服现有技术在估算目标长度中的精度不足的问题。

【技术实现步骤摘要】
基于高分辨距离像的目标长度估计方法与其应用
本专利技术涉及高分辨距离像的

技术介绍
高分辨距离像(HRRP)是通过宽带雷达获得的目标散射点子回波在雷达视线方向上的投影的矢量和，它含有目标散射点分布情况、目标距离、目标的结构和材质等多种信息，对目标的识别、分类及相关数据的测算十分有价值，因而成为雷达自动目标识别的新技术。现有技术中通过HRRP对目标进行识别的过程通常包括数据预处理、特征提取与选择、基于提取和选择的特征对目标进行分类与识别。其中数据预处理的目的包括克服未处理的HRRP数据在幅度、姿态和平移三个方面的敏感性问题，其常见的方式如：通过归一化进行幅度敏感性抑制，通过距离像平均法进行姿态敏感性抑制，通过包络对齐进行平移敏感性抑制等等。在获得预处理后，目标的HRRP数据集的稳定性得到了增强，可进一步实现特征提取和选择。特征提取和选择对目标的识别及其相关参数的测算具有基础和关键作用，若提取出的特征同类聚合性差和/或异类分离性差，或在特征提取的过程中无法抑制平移、姿态等敏感性问题，最终将难以或无法实现目标的准确分类和识别。现有技术中常见的特征提取方法包括距离像域特征提取、散射中心特征提取、中心矩特征提取、幅度谱与幅度谱差分特征提取、高阶谱特征提取、时频特征提取、极化特征提取等。从高分辨距离像中提取强散射中心的位置和幅度信息作为特征用于分类是一种常用的做法。然而，无论是强散射中心的位置还是幅度特征，受目标方位角变化的影响都非常剧烈，从而大大影响了目标识别的性能。相比之下，目标长度特征随方位角的变化较缓慢，并且是目标本身的物理特征之一，因此是一种稳定、有效的识别特征，对于目标粗分类来说非常有用，同时其本身也是目标的一个重要信息。但现有技术中公开的一些目标长度估计方法，如基于门限分割的长度提取法等，常常存在精度不足的问题，无法得到广泛的应用。
技术实现思路
本专利技术的目的在于提出一种基于高分辨距离像的目标长度估计方法，其可快速高效地从高分辨距离像中获得目标感兴趣区域(RoI)，获得目标的实际物理长度的较准确数据，可为目标的识别及分类提供重要的先验信息。本专利技术的目的还在于提出上述方法的应用。本专利技术首先提供了如下的技术方案：基于高分辨距离像的目标长度估计方法，其包括：S2：提取预处理后的目标序贯高分辨距离像中目标的径向投影长度特征，得到目标的序贯径向投影长度。该方案中所述“径向”是指的雷达视线方向，“序贯”是指的雷达在连续扫描的过程中按照先后顺序产生的一系列数据和/或图像。在一些具体实施方式中，所述步骤S2包括：S21：通过卷积核对预处理后的目标序贯高分辨距离像中的每一个高分辨距离像进行轮廓像特征提取；S22：通过滑窗法对提取出的每个轮廓像特征图进行目标径向投影长度特征提取；S23：对步骤S22获得的每个特征图中的多个目标径向投影长度求取平均值，得到目标的序贯径向投影长度。在一些具体实施方式中，所述卷积核为0到1之间的均匀分布。在一些具体实施方式中，所述步骤S2还包括：S20：对目标的序贯高分辨距离像进行预处理，其包括：S200：对目标的序贯高分辨距离像进行归一化。在一些具体实施方式中，所述步骤S20还包括：S201：通过差分算子对归一化后的高分辨距离像进行去噪，得到去噪后距离像。在一些具体实施方式中，所述差分算子W[K]为：其中，M表示差分算子宽度，k表示一定长度的距离单元数。在一些具体实施方式中，所述差分算子宽度M为：其中，m1、m2、S1、S2分别表示差分算子宽度设置参数及信噪比设置参数，SNR表示归一化后的高分辨距离像的信噪比。在一些具体实施方式中，步骤S22中所述目标径向投影长度提取过程包括：设定特定长度的左滑窗和右滑窗；将上述左滑窗和右滑窗分别自所述轮廓像特征图的左边界和右边界出发，进行滑动前移，每移动一步，判断滑窗内数据是否满足各自的边界判定条件，若不满足，则继续移动，若满足，则停止移动，记录该处滑窗内数据对应的HRRP的距离单元；通过左和右距离单元的差值获得所述目标的径向投影长度。在一些具体实施方式中，所述边界判定条件包括：左边界判定条件(29)-(30)：xb/mean(xwinL)>ThrsldL(29)mean(xwinR)>mean(xwinL)(30)；及右边界判定条件(31)-(32)：xb/mean(xwinR)>ThrsldR(31)mean(xwinL)>mean(xwinR)(32)。其中，xb表示与待判定边界单元对应的参数，xwinL表示与左参考单元WL对应的参数，xwinR表示与右参考单元WR对应的参数，ThrsldL表示待判定边界单元的左边界门限值，ThrsldR表示待判定边界单元b的右边界门限值。在一些具体实施方式中，所述ThrsldL和ThrsldR分别通过式(25)和(26)获得：其中，xL(n)和xR(n)为在原序贯高分辨距离像中选取的左、右两侧的m个不含有目标的距离单元图像。在一些具体实施方式中，所述长度估计方法还包括：S3：通过目标的序贯姿态角及所得序贯径向投影长度经式(14)获得其序贯的径向物理长度，并通过式(16)得到目标长度：其中，θi表示目标的序贯姿态角，i＝2,…,m表示序贯姿态角的序号，LiP表示所述目标的序贯径向投影长度。在一些具体实施方式中，所述序贯的径向物理长度为：其中，δ1,δ2,δ3为矫正后的姿态角区间，λ1,λ2,λ3为对应的矫正值。在一些具体实施方式中，所述长度估计方法还包括：S1：自目标的轨迹数据中获得其序贯的姿态角。在一些具体实施方式中，所述步骤S1包括：S11：剔除目标的轨迹数据中的异常点；S12：根据剔除异常点后的轨迹数据进行目标运动曲线拟合；S13：根据拟合的目标运动曲线获得其序贯的姿态角。在一些具体实施方式中，所述运动曲线使用如下的模型：在一些具体实施方式中，所述运动曲线使用如下的模型：y(x)＝a2x2+a1x+a0(7)。其中，其中y(x)表示目标的运动轨迹，x表示目标在笛卡尔坐标系下的横坐标，所述模型中的参数aj通过如下的优化目标函数确定：其中，ρ为影响函数，如式(9)所示：其中，ri表示xi的残差，ωi为其权值。在一些具体实施方式中，所述权值设置如下：其中σ表示误差的标准方差。本专利技术进一步提出了一种基于高分辨距离像的目标识别方法，其包括以通过上述任一种方法或其具体实施方式获得的目标的长度作为提取特征之一进行目标识别。本专利技术进一步提出了上述长度估计方法本文档来自技高网...

【技术保护点】
1.基于高分辨距离像的目标长度估计方法，其包括：/nS2：提取预处理后的目标序贯高分辨距离像中目标的径向投影长度特征，得到目标的序贯径向投影长度。/n

【技术特征摘要】
1.基于高分辨距离像的目标长度估计方法，其包括：
S2：提取预处理后的目标序贯高分辨距离像中目标的径向投影长度特征，得到目标的序贯径向投影长度。


2.根据权利要求1所述的目标长度估计方法，其特征在于：所述步骤S2包括：
S21：通过卷积核对预处理后的目标序贯高分辨距离像中的每一个高分辨距离像进行轮廓像特征提取；
S22：通过滑窗对提取出的每个轮廓像特征图进行目标径向投影长度提取；
S23：对步骤S22获得的每个特征图中的多个目标径向投影长度求取平均值，得到目标的序贯径向投影长度；
优选的，所述卷积核为0到1之间的均匀分布。


3.根据权利要求2所述的目标长度估计方法，其特征在于：所述步骤S2还包括：
S20：对目标的序贯高分辨距离像进行预处理，其包括：
S200：对目标的序贯高分辨距离像进行归一化。


4.根据权利要求3所述的目标长度估计方法，其特征在于：所述步骤S20还包括：
S201：通过差分算子对归一化后的高分辨距离像进行去噪，得到去噪后距离像。


5.根据权利要求4所述的目标长度估计方法，其特征在于：所述差分算子W[K]为：



其中，M表示差分算子宽度，k表示一定长度的距离单元数；
优选的，所述差分算子宽度M为：



其中，m1、m2表示差分算子宽度设置参数，S1、S2表示信噪比设置参数，SNR表示归一化后的高分辨距离像的信噪比；
优选的，m1和/或m2为20-60，S1和/或S2为1-10。


6.根据权利要求2所述的目标长度估计方法，其特征在于：步骤S22中所述目标径向投影长度提取过程包括：
设定特定长度的左滑窗和右滑窗；
将上述左滑窗和右滑窗分别自所述轮廓像特征图的左边界和右边界出发，进行滑动前移，每移动一步，判断滑窗内数据是否满足各自的边界判定条件，若不满足，则继续移动，若满足，则停止移动，记录该处滑窗内数据对应的HRRP的距离单元；
通过左和右距离单元的差值获得所述目标的径向投影长度；
优选的，所述边界判定条件包括如下的左边界判定条件：
xb/mean(xwinL)>ThrsldL(29)
mean(xwinR)>mean(xwinL)(30)；
和，如下的右边界判定条件：
xb/mean(xwinR)>Th...

【专利技术属性】
技术研发人员：张劲东，尹明月，杜盈，蒋宜林，尚东东，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32