基于重采样预处理的雷达重频变化稳健目标识别方法技术

本发明专利技术提出了一种基于重采样预处理的雷达重频变化稳健目标识别方法，用于解决训练和测试阶段的脉冲重复频率不匹配情况下的雷达目标识别问题，实现步骤为：(1)生成训练集；(2)生成训练特征矩阵；(3)训练SVM分类器；(4)获取测试集；(5)对测试集进行常规预处理；(6)对测试集进行重采样预处理；(7)生成测试特征矩阵；(8)目标识别。本发明专利技术通过重采样预处理，使得所有待分类回波信号的脉冲重复频率与训练集中回波信号的脉冲重复频率保持一致，能够在脉冲重复频率变化场景下实现对目标的稳健识别。

【技术实现步骤摘要】
基于重采样预处理的雷达重频变化稳健目标识别方法
本专利技术属于雷达
，进一步涉及到雷达自动目标识别RATR
中一种基于重采样预处理的雷达重频变化稳健目标识别方法。该方法可以在雷达重频变化的场景下，实现对空中、地面运动的不同目标进行实时识别。
技术介绍
雷达目标识别方法都有一个前提假设，雷达参数中的脉冲重复频率需要满足Nyquist采样定理。然而，在实际当中受限于雷达系统的软硬件条件和工作模式，雷达脉冲重复频率往往较低，此时将发生频谱混叠现象。对于脉冲多普勒雷达而言，脉冲重复频率决定了回波的采样率，一般来说，脉冲重复频率越高，目标回波中包含的信息越多，对于识别越有助益。而当频谱混叠现象发生，回波当中就很难包含完整的信息，加剧了目标回波的识别识别难度。目前针对低重频条件下的特征提取与识别问题，已经有一些工作开展了相关研究。夏鹏等学者在其发表的论文“短驻留和低重频条件下的飞机目标识别方法研究”(空军预警学院学报，2019，33(3))中提出一种基于奇异谱分析的飞机目标识别方法，该方法的具体步骤是：第一步，分析脉冲重复频率对调制特征本文档来自技高网...

【技术保护点】
1.一种基于重采样预处理的雷达重频变化稳健目标识别方法，其特征在于，通过重采样预处理，使得所有待识别回波信号的脉冲重复频率与训练集中回波信号的脉冲重复频率保持一致，该方法的步骤包括如下：/n(1)生成训练集：/n(1a)提取包含D个类别目标的P个相同脉冲重复频率下的雷达回波信号作为训练数据集，D≥3，P≥2400；/n(1b)利用区域CLEAN方法，对训练数据集中的每个回波信号进行杂波抑制；/n(1c)利用全域CLEAN方法，去除杂波抑制后的每个回波信号中的主体分量；/n(1d)对去除主体分量的每个回波信号的幅度进行模二范数归一化处理，得到归一化处理后的训练集；/n(2)生成训练特征矩阵：/n...

【技术特征摘要】
1.一种基于重采样预处理的雷达重频变化稳健目标识别方法，其特征在于，通过重采样预处理，使得所有待识别回波信号的脉冲重复频率与训练集中回波信号的脉冲重复频率保持一致，该方法的步骤包括如下：
(1)生成训练集：
(1a)提取包含D个类别目标的P个相同脉冲重复频率下的雷达回波信号作为训练数据集，D≥3，P≥2400；
(1b)利用区域CLEAN方法，对训练数据集中的每个回波信号进行杂波抑制；
(1c)利用全域CLEAN方法，去除杂波抑制后的每个回波信号中的主体分量；
(1d)对去除主体分量的每个回波信号的幅度进行模二范数归一化处理，得到归一化处理后的训练集；
(2)生成训练特征矩阵：
(2a)对训练集中每个回波信号，进行快速傅里叶变换，得到训练集的多普勒域回波信号；
(2b)对训练集的多普勒域回波信号进行幅值归一化；
(2c)对幅值归一化后训练集的多普勒域回波信号的提取频域二阶矩、四阶矩、频域波形熵和频域幅值方差特征，构造N×4维的训练样本特征矩阵，其中N的取值与训练集的样本总数P相等；
(2d)对训练样本特征矩阵归一化，得到训练特征矩阵；
(3)训练SVM分类器：
选用SVM分类器并将其核函数设置为高斯核函数，将训练特征矩阵输入到SVM分类器中训练，得到训练好的SVM分类器；
(4)获取测试集：
将实时接收的Q个雷达的回波信号组成测试集，Q≥1；
(5)对测试集进行常规预处理：
(5a)利用区域CLEAN方法，对测试集中的每个回波信号进行杂波抑制；
(5b)利用全域CLEAN方法，去除杂波抑制后测试集中每个回波信号的主体分量；
(5c)对去除主体分量后的测试集中每个回波信号的幅度进行模二范数归一化处理，得到归一化后的测试集；
(6)对测试集进行重采样预处理：
(6a)将训练集中回波信号的脉冲重复频率设定为基准重频；
(6b)当测试集中回波信号的脉冲重复频率为基准重频的整数倍时，对测试集的回波信号进行等间隔抽取，使该回波信号的脉冲重复频率与标准重频保持一致；
(6c)当基准重频为测试集中回波信号的脉冲重复频率的整数倍时，利用三次样条插值方法，对测试集的每个回波信号进行插值，使该回波信号的脉冲重复频率与标准重频保持一致；
(6d)当测试集中回波信号的脉冲重复频率与基准重频为非整数倍时，先利用三次样条插值方法对测试集的每个回波信号进行插值，将该回波信号的脉冲重复频率升高到基准重频和测试集中回波信号的脉冲重复频率的最小公倍数，再利用等间隔抽取的方法，对该回波信号进行插值，使该回波信号的脉冲重复频率与基准重频保持一致；
(7)生成测试特征矩阵：
(7a)对重采样预处理后的测试集中每个回波信号进行快速傅里叶变换，得到测试集的多普勒域回波信号；
(7b)对测试集的多普勒域回波信号进行幅值归一化；
(7c)从幅值归一化后测试集的多普勒域回波信号中分别提取频域二阶矩、四阶矩、频域波形熵和频域幅值方差特征，构造M×4维的测试样本特征矩阵，其中M的取值与测试集的样本总数Q相等；
(7d)对测试样本特征矩阵进行归一化，得到测试特征矩阵；
(8)目标识别：
将测试特征矩阵输入到训练好的SVM分类器中，得到识别结果。


2.根据权利要求1所述的基于重采样预处理的雷达重频变化稳健目标识别方法，其特征在于，步骤(1b)、步骤(5a)中所述区域CLEAN方法的具体步骤如下：
第一步，根据雷达工作参数，估计雷达回波中地杂波能量；
第二步，对每一个回波信号做离散傅里叶变换，获得该回波信号的多普勒谱，将多普勒谱的零频附近的区域作为杂波区域，所述零频附近的区域由杂波的类型确定；
第三步，按照下式，对每一个回波信号中的杂波区域中最大多普勒幅度对应的时域信号进行重构：



其中，Ci(t)表示第i个回波信号中杂波区域中最大多普勒幅度对应的时域信号重构后的时域信号在t时刻的信号幅度，Yi表示在第i个回波信号的多普勒谱的杂波区域的最大多普勒幅度，K表示离散傅里叶变换的总点数，exp表示以自然常数e为底的指数操作，j表示虚数单位符号，π表示圆周率，ξi表示与Yi对应的多普勒频率，θi表示与Yi对应的相位；
第四步，用每一个回波信号减去重构后的时域信号，得到该回波处理后的信号；
第五步，计算每一个处理后的回波信号在杂波区域的能量；
第六步，判断每一个处理后的回波信号在杂波区域的能量是否小于地杂波能量，若是，得到该杂波抑制后的回波信号；否则，执行第二步。


3.根据权利要求2所述的基于重采样预处理的雷达重频变化稳健目标识别方法，其特征在于，步骤(1c)、步骤(5b)中所述全域CLEAN方法的具体步骤如下：
第一步，根据雷达工作参数，估计雷达回波中主体分量能量；
第二步，对每一个回波信号做离散傅里叶变换，获得该回波信号的多普勒谱；
第三步，按照下式，对每一个回波信号中的主体分量对应的时域信号进行重构：



其中，Bodyi(t)表示对第i个回波信号中主体分量回波信号进行重构后的主体分量回波信号在t时刻的信号幅度，Ri表示在第i个回波信号的多普勒谱中的最大多普勒幅度，fi表示与Ri对应的多普勒频率，θi表示与Ri对应的相位；
第四步，用每一个杂波抑制后的回波信号减去重构后的时域信号，得到去除主体分量后的回波信号。


4.根据权利要求1所述的基于重采样预处理的雷达重频变化...

【专利技术属性】
技术研发人员：王鹏辉，丁军，刘宏伟，陈婷，徐一兼，陈渤，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