基于机器学习的谐波雷达目标分类方法及系统技术方案

本发明专利技术提供了一种基于机器学习的谐波雷达目标分类方法及系统，包括如下步骤：步骤S1：基于机器学习构建分类模型；步骤S2：通过分类模型对谐波雷达目标进行分类。本发明专利技术通过发射混频信号，改变发射功率，计算不同二阶互调频点的发射

【技术实现步骤摘要】
基于机器学习的谐波雷达目标分类方法及系统


[0001]本专利技术涉及近场非线性目标谐波雷达探测的
，具体地，涉及一种基于机器学习的谐波雷达目标分类方法及系统。

技术介绍

[0002]谐波雷达主要利用非线性目标的谐波再辐射特性，通过向目标发射特定的电磁波信号，并根据接收到的非线性目标再辐射信号，来实现对常见非线性目标如一般的金属结点物体和带有PN结二极管(PN junction diode)的电子装置的检测，定位和分类。由于谐波雷达具有传统雷达所不具有的抗线性干扰特性，目前其广泛地应用于军事反恐，安检，保密检查，交通城建等领域。
[0003]不同的电路装置包含不同的非线性元器件组合，在谐波雷达特定电磁信号的照射下产生不同表现的谐波响应，表现出不同的特性曲线。通过分析谐波雷达接收到的不同谐波响应可实现对谐波雷达目标的识别和分类，进而判断非线性目标的可能范围，实现特定目标电路的精确筛选和识别；另一方面也可有效排除非目标物体虚警的影响，提高检测的可靠性和准确率。对谐波雷达目标的有效分类，对于可疑目标的识别，可疑目标范围的判断，以及减少虚警本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的谐波雷达目标分类方法，其特征在于，包括如下步骤：步骤S1：基于机器学习构建分类模型；步骤S2：通过分类模型对谐波雷达待测目标进行分类。2.根据权利要求1所述的基于机器学习的谐波雷达目标分类方法，其特征在于，所述步骤S1包括如下步骤：步骤S1.1：选取多种谐波雷达目标类型，每种谐波雷达目标类型通过不同的谐波雷达目标获得，并将所有谐波雷达目标作为分类模型的数据集；步骤S1.2：针对数据集中的训练集中的谐波雷达目标，将谐波雷达置于距谐波雷达目标预定距离处，发射不同的谐波雷达发射功率，计算得到不同发射功率时谐波雷达接收信号的功率谱图；步骤S1.3：根据不同发射功率对应的接收信号的功率谱图，分别记录谐波雷达在不同发射功率时对应接收信号中互调频点处的谐波响应功率，绘制不同互调频点处不同谐波雷达发射功率对应的谐波响应功率曲线；步骤S1.4：根据不同互调频点处不同谐波雷达发射功率对应的谐波响应功率曲线得到谐波雷达目标的目标分类特征，根据目标分类特征得到目标分类特征向量；步骤S1.5：采用机器学习集成学习分类，经步骤S1.2～步骤S1.4提取谐波雷达目标对应的目标分类特征向量，训练分类模型；步骤S1.6：选取数据集中的测试集对分类模型的分类效果进行评估。3.根据权利要求2所述的基于机器学习的谐波雷达目标分类方法，其特征在于，所述步骤S1.1包括如下步骤：步骤S1.1.1：选取M种谐波雷达目标中的非线性待测电路类型，分别针对每种非线性待测电路类型采用不同的待测电路进行实现；步骤S1.1.2：将不同非线性待测电路类型对应的不同待测电路作为分类模型的数据集，将数据集分成W组子集数据，W＞2；将每组子集数据分别做一次测试集，每次选一组子集数据作为测试集，其余的W
‑
1组子集数据作为训练集。4.根据权利要求2所述的基于机器学习的谐波雷达目标分类方法，其特征在于，所述步骤S1.2包括如下步骤：步骤S1.2.1：针对训练集中每个待测电路，从起始功率P
b
按照等功率间隔ΔP逐渐增加得到谐波雷达的发射功率P
tr
，上调功率∑次，直至谐波雷达的发射功率P
tr
达到上限功率P
e
，则P
e
＝P
b
+∑
·
ΔP；步骤S1.2.2：在每个发射功率下，将谐波雷达接收信号中感知带宽为B的时域采样数据取出N1个采样点时域数据x＝{x1，x2，...，x
N1
}，进行N1个采样点时域数据变换，得到与频率f＝{f1，f2，...，f
N1/2
}对应的频域数据X＝{X1，X2，...，X
N1/2
}；其中，x1表示时域采样第1个采样点数据；x2表示时域采样第2个采样点数据；x
N1
表示时域采样第N1个采样点数据；f1表示频域采样第1个频点；f2表示频域采样第2个频点；f
N1/2
表示频域采样第N1/2个频点；X1表示f1对应的频域数据；X2表示f2对应的频域数据；X
N1/2
表示f
N1/2
对应的频域数据；步骤S1.2.3：由步骤S1.2.2所得频域数据X＝{X1，X2，...，X
N1/2
}计算得到对应发射功率下，频域中不同频点对应的响应功率P
re
＝{P1，P2，...，P
N1/2
}；
其中，P1表示X1对应的响应功率；P2表示X2对应的响应功率；P
N1/2
表示X
N1/2
对应的响应功率。5.根据权利要求2所述的基于机器学习的谐波雷达目标分类方法，其特征在于，所述步骤S1.3包括如下步骤：步骤S1.3.1：根据步骤S1.2所得不同发射功率对应的接收信号功率谱图，记录每个功率谱图上谐波雷达在不同发射功率时对应接收信号中互调频点处的谐波响应功率；步骤S1.3.2：绘制不同互调频点处不同谐波雷达发射功率对应的谐波响应功率曲线。6.一种...

【专利技术属性】
技术研发人员：吴阳，徐碧蓉，雷杰，刘恩晓，张勇，刘峰，
申请(专利权)人：上海微波技术研究所中国电子科技集团公司第五十研究所，
类型：发明
国别省市：