【技术实现步骤摘要】
一种雷达目标结构特征提取方法及系统
[0001]本专利技术涉及信号处理
,特别是涉及一种雷达目标结构特征提取方法及系统。
技术介绍
[0002]雷达以其全天时、全天候、作用距离远等独特优势,在信息获取与感知等领域占据重要位置,雷达目标特征提取是指利用雷达系统获取空天、地面、海洋等环境中目标的回波信号,通过噪声抑制、成像、特征分析等信号处理工具,获取目标的几何形状、运动状态、目标类型、工作状态等关键信息,为目标的辨识与解译提供条件。
[0003]雷达目标的结构特征是目标特征中的重要内容,包括长度、散布特性、几何形状等方面,反映了目标的尺度特性,是目标辨识的关键依据。雷达目标结构特征提取精度不仅依赖于雷达系统本身,还与雷达目标特性、观测环境以及数据利用等方面紧密相关。现有目标结构特征方法主要是针对传统理想情况下研发设计的,在雷达目标多样化、观测环境复杂化、数据利用不充分等条件下,将面临来自目标、环境及数据利用等方面的诸多问题与挑战。
[0004]首先,在雷达目标方面,将面临目标种类多样化问题。雷达目标包括卫星、空间站、飞船和陨石等,每类目标呈现出不同的结构特性。例如卫星目标的平台以及载荷结构往往较为复杂,特别是在其执行机动变轨、帆板展开等动作时,获取其结构特征变得十分困难;其次,在观测环境方面,将面临电磁环境复杂、电子对抗强度高等问题。在理想条件下,雷达观测效果仅取决于观测目标与雷达系统;复杂的观测环境将急剧的降低观测效果。例如,复杂的电磁环境会导致雷达回波的畸变、丢失、相位误差等;电磁波压制干扰会 ...
【技术保护点】
【技术特征摘要】
1.一种雷达目标结构特征提取方法,其特征在于,包括:基于雷达回波数据、离散傅里叶测量矩阵和小波变换基构建超分辨重构模型;给定算法参数,利用重构算法求解超分辨重构模型,得到雷达超分辨图像;对所述雷达超分辨图像进行图像预处理,得到预处理图像;根据所述预处理图像提取目标长度特征和目标形状特征。2.根据权利要求1所述的雷达目标结构特征提取方法,其特征在于,所述基于雷达回波数据、离散傅里叶测量矩阵和小波变换基构建超分辨重构模型,包括:根据获取到的雷达图像和稀疏变换矩阵构建稀疏约束项min||s||1=min||Ψ
‑1x||1;其中,x为雷达图像,Ψ表示稀疏变换矩阵,s为稀疏变换参数,其中,x=Ψs;根据所述雷达图像、所述雷达回波数据和所述离散傅里叶测量矩阵构建模型逼近项其中,E为所述雷达回波数据、Φ为离散傅里叶测量矩阵,Ψ为所述小波变换基;联合所述稀疏约束项与所述模型逼近项建立优化问题,以构建所述超分辨重构模型其中,λ>0为正则化参数。3.根据权利要求2所述的雷达目标结构特征提取方法,其特征在于,所述给定算法参数,利用重构算法求解超分辨重构模型,得到雷达超分辨图像,包括:对所述超分辨重构模型进行一次转化,得到一次转化模型其中r为转化参数;获取所述一次转化模型的增广Lagrangian函数其中μ为增广变量,δ>0为Lagrangian乘子;基于所述增广Lagrangian函数,对所述一次转化模型进行二次转化,得到二次转化模型其中,k为二次转化模型参数;给定所述算法参数,利用交替方向法求解所述二次转化模型,得到所述雷达超分辨图像。4.根据权利要求3所述的雷达目标结构特征提取方法,其特征在于,所述给定所述算法参数,利用交替方向法求解所述二次转化模型,得到所述雷达超分辨图像,包括:给定所述算法参数λ>0,δ>0,收敛条件参数η>0;初始化初始向量s0=0和步数指标n=0;基于s
n+1
=H
λδ
(s
n
+Ψ
T
Φ
T
(E
‑
r
k
‑
δμ
k
‑
ΦΨs
n
))进行迭代,直到满足收敛条件||s
n+1
‑
s
n
||2≤η,得到第一个优化子问题的解s
k+1
;其中H
λδ
为阈值收缩算子;
利用最小二乘算法求的闭形式解,得到第二个优化子问题的解r
k+1
;基于进行迭代,直到满足收敛条件||s
n+1
‑
s
n
||2≤η,得到第三个优化子问题的解μ
k+1
;重复迭代所述第一个优化子问题的解s
k+1
、所述得到第二个优化子问题的解r
k+1
和得到第三个优化子问题的解μ
k+1
的步骤,直到满足收敛条件||s
k+1
‑
s
k
||2≤τ,得到Ψs
k+1
,其中τ>0,Ψs
k+1
为所述雷达超分辨图像。...
【专利技术属性】
技术研发人员:ꢀ七四专利代理机构,
申请(专利权)人:中国人民解放军国防科技大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。