一种海面目标多特征智能辨识方法技术

本发明专利技术提供了一种海面目标多特征智能辨识方法，综合利用了分形

【技术实现步骤摘要】
一种海面目标多特征智能辨识方法


[0001]本专利技术涉及雷达
，具体涉及一种目标辨识方法。本专利技术可用于岸基警戒雷达或对海搜索雷达，结合机器学习的智能化方法实现海杂波背景下的海面慢速小目标的辨识。

技术介绍

[0002]雷达应远距离目标探测的需求而生，具有全天时、全天候、容易进行远距离搜索检测和跟踪目标的特点，在对空和对海探测上都起着极为重要的作用，作为现代战争中的重要手段被广泛使用，并且在民用探测中也占据重要地位。雷达对海杂波背景下弱小目标的探测在航行安全、灾害搜救、海岸管理、国土安全等方面具有重要的意义，受到越来越多的关注和重视。
[0003]与对地、对空探测系统不同，对海探测系统面临的工作环境复杂且动态随变，给海面目标探测带来了严峻的挑战，主要体现在：(1)杂波产生机理异常复杂，呈现出明显的非高斯、非线性和非平稳等“三非”复杂特性，动态变化增加了认知的难度；(2) 低空、超低空或海面等低可观测目标的涌现，借助海杂波天然优势使其回波淹没在强杂波中，使得回波信号的信杂噪比下降，极大增加了目标的探测和识别难度。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种海面目标多特征智能辨识方法，其特征在于包括下述步骤：步骤一：分形特征提取；在HH极化计算两种分形特征，具体步骤为：(1)AR计盒维数D
AR
：功率谱计盒维数是用来描述分形集的基本特征，通过计算网格为边长为δ时覆盖分形的格子数来度量分形维度；其中，S
u
表示数据集的归一化功率谱，N
δ
(S
u
)表示覆盖分形的格子数；(2)AR谱盒维数曲线截距：通过改变δ的大小，利用最小二乘法拟合出lgN
δ
(S
u
)～(
‑
lgδ)曲线，曲线的斜率为AR计盒维数，与对数
‑
对数曲线的截距共同构成AR谱联合分形特征参数；步骤二：时频变换；从H、V极化双通道的回波信号中依次提取HH、HV、VH、VV四种极化数据，将极化回波数据表示为x
a
(n)，对该回波数据进行短时傅里叶变换得到：其中，下标
‘
a
’
表示极化方式，n∈[1,N]是离散时间采样，k∈[1,K]是离散频率采样数，h为窗函数，m为窗长度，N为傅里叶变换点数；步骤三：时频特征提取(1)时频峰度T
a,kurtosis
：峰度用来度量随机变量概率分布的陡峭程度；其中，m
T
和σ
T
分别是...

【专利技术属性】
技术研发人员：粟嘉，方丹，陶明亮，范一飞，李滔，王伶，张兆林，韩闯，宫延云，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：