一种RCS序列的综合特征提取方法技术

本发明专利技术属于雷达目标识别技术领域，具体涉及一种RCS序列的综合特征提取方法。本发明专利技术的方法首先对训练RCS序列进行时频分析，获得序列对应的时频谱图，然后，将时频谱图划分为互相不重叠的子块，统计子块二进制差分编码序列的分布概率及相邻子块的状态变化概率，并对两者进行综合形成目标的分类特征，由于子块编码序列的分布概率描述了局部结构特征，同时相邻子块的状态变化概率表征了相邻局部结构之间的关联特征，从而提高了对目标的识别性能，对四类仿真目标的RCS数据进行了仿真实验，实验结果验证了方法的有效性。结果验证了方法的有效性。

【技术实现步骤摘要】
一种RCS序列的综合特征提取方法


[0001]本专利技术属于雷达目标识别
，具体涉及一种RCS序列的综合特征提取方法。

技术介绍

[0002]雷达目标识别中，子空间方法能够从全局角度分析数据，提取到有关目标数据分布的全局部结构特征，得到了较好的识别效果。然而，研究表明，不同目标数据中，除了存在整体上全局差异外，在细节方面仍然存在一定的局部差别，如果能够提取到表征目标细节的局部结构特征，可提高识别率，因此，只能提取全局结构特征的传统子空间方法的识别性能有进一步改善的余地。

技术实现思路

[0003]本专利技术的目的在于提出一种综合特征提取方法，通过对训练数据序列的时频谱图进行子块分析，一方面提取子块结构的局部分布特征，另外，从全局方面提取相邻子块之间的变化关联特征，并将两类特征进行综合，形成目标的分类特征，从而提高了对目标的识别性能。
[0004]本专利技术的技术方案为：
[0005]一种RCS序列的综合特征提取方法，包括以下步骤：
[0006]S1、定义获取的第i类真假目标的第j个训练RCS数据序列帧为n维列矢量x
ij
，1≤i≤C，1≤j≤N
i
，其中，N
i
为第i类真假目标的训练RCS序列帧数，则训练RCS序列总帧数
[0007]S2、用短时付氏变换获取时频谱图：对第i类真假目标的训练样本数据x
ij
进行短时付低变换，得到时频谱图S
ij
：
[0008]S
>ij
＝[s
ij,km
]K
×
M
[0009]其中，s
ij,km
表示时频谱图S
ij
中的元素，k＝1,2,
…
K；m＝1,2,
…
M，k为行下标，表示频率变化方向，m为列下标，表示时间变化方向，K是S
ij
的行数，M是S
ij
的列数；
[0010]S3、子块划分时频谱图S
ij
，获取子块差分二进制编码序列：
[0011]以4x4的窗口在时频谱图S
ij
中进行不交叠滑动，得到多个4x4的子块，组成子块集Q
ij
：
[0012]Q
ij
＝[P
ij,1
P
ij,2
…
P
ij,L
][0013]P
ij,l
＝[p
ij,l,te
]4×4,t,e＝1,2,3,4
[0014]l＝1,2,
…
L
[0015]其中，P
ij,l
表示子块集Q
ij
中的第l个子块矩阵，p
ij,l,te
表示子块矩阵P
ij,l
中元素，L表示子块总数；
[0016]计算子块矩阵P
ij,l
中所有元素的均值
[0017][0018]对子块P
ij,l
中p
ij,l,te
进行如下编码：
[0019][0020]其中，c
ij,l,te
是p
ij,l,te
对应的编码，子块中各元素编码按行的顺序组成0和1二进制差分编码序列c
ij,l
：
[0021]c
ij,l
＝[c
ij,l,11 c
ij,l,12
ꢀ…ꢀ
c
ij,l,44
][0022]S4、提取子块差分二进制编码分布的局部结构特征：
[0023]将差分编码序列c
ij,l
作为一个二进制数，统计整幅时频谱图中各子块差分编码序列值的重复出现次数，并组成矢量：
[0024][π
ij,1 π
ij,2
ꢀ…ꢀ
π
ij,L1
][0025]其中，将子块差分编码序列值从小到大的顺序排序，这些值的个数为L1，π
ij,1
为第1个值的重复出现次数，π
ij,2
为第2个值的重复出现次数，为第L1个值的重复出现次数；
[0026]获得时频谱图S
ij
对应的子块差分二进制编码分布的局部结构特征矢量h
ij
：
[0027][0028]S5、提取相邻子块间的状态变化全局部关联特征：
[0029]将子块的二进制编码序列值的分布区间均匀划分为16个子间隔，每一子间隔的中心值分别为v1、v2、
…
v
16
，对时频谱图中的相邻子块的二进制编码序列值进行状态变化的重复次数统计：
[0030][0031]其中，表示在当前子块的编码值为v
f
(f＝1,2
…
16)的条件下，相邻子块的编码值为v
r
(r＝1,2
…
16)的重复次数，将统计矩阵按行归一化后得到状态变化特征：
[0032][0033]其中，W
ij
表示状态变化特征矩阵；
[0034]S6、综合子块的二进制编码分布的局部结构特征h
ij
与子块间的状态变化全局关联特征W
ij
，得到综合特征矢量：
[0035][h
ij w
ij,1
w
ij,2
…
w
ij,16
][0036]其中，w
ij,1
、w
ij,2
、w
ij,16
分别表示矩阵W
ij
中第1行矢量、第2行矢量、第16行矢量。
[0037]本专利技术的有益效果为，本专利技术首先对训练RCS序列进行时频分析，获得序列对应的时频谱图，然后，将时频谱图划分为互相不重叠的子块，统计子块二进制差分编码序列的分布概率及相邻子块的状态变化概率，并对两者进行综合形成目标的分类特征，由于子块编码序列的分布概率描述了局部结构特征，同时相邻子块的状态变化概率表征了相邻局部结构之间的关联特征，从而提高了对目标的识别性能，对四类仿真目标的RCS数据进行了仿真实验，实验结果验证了方法的有效性。
具体实施方式
[0038]下面结合仿真以证明本专利技术的有效性和取得的进步：
[0039]设计四种仿真目标：真目标、碎片、轻诱饵和重诱饵。真目标为圆锥形目标，其几何尺寸：长度1820mm，底部直径540mm；轻诱饵为圆锥形目标，其几何尺寸：长度1910mm，底部直径620mm；重诱饵为圆锥形目标，其几何尺寸：长度600mm，底部直径200mm。真目标、轻诱饵和重诱饵的进动频率分别为2Hz、4Hz和10Hz。真目标、轻诱饵和重诱饵目标的RCS序列由FEKO计算得到，雷达载频3GHz，脉冲重复频率为20Hz。碎本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种RCS序列的综合特征提取方法，其特征在于，包括以下步骤：S1、定义获取的第i类真假目标的第j个训练RCS数据序列帧为n维列矢量x
ij
，1≤i≤C，1≤j≤N
i
，其中，N
i
为第i类真假目标的训练RCS序列帧数，则训练RCS序列总帧数S2、对第i类真假目标的训练样本数据x
ij
进行短时付低变换，得到时频谱图S
ij
：S
ij
＝[s
ij,km
]
K
×
M
其中，s
ij,km
表示时频谱图S
ij
中的元素，k＝1,2,
…
K；m＝1,2,
…
M，k为行下标，表示频率变化方向，m为列下标，表示时间变化方向，K是S
ij
的行数，M是S
ij
的列数；S3、子块划分时频谱图S
ij
，获取子块差分二进制编码序列：以4x4的窗口在时频谱图S
ij
中进行不交叠滑动，得到多个4x4的子块，组成子块集Q
ij
：Q
ij
＝[P
ij,1 P
ij,2
…
P
ij,L
]P
ij,l
＝[p
ij,l,te
]4×4,t,e＝1,2,3,4l＝1,2,
…
L其中，P
ij,l
表示子块集Q
ij
中的第l个子块矩阵，p
ij,l,te
表示子块矩阵P
ij,l
中元素，L表示子块总数；计算子块矩阵P
ij,l
中所有元素的均值素的均值对子块P
ij,l
中p
ij,l,te
进行如下编码：其中，c
ij,l,te
是p
ij,l,te

【专利技术属性】
技术研发人员：周代英，张瑛，沈晓峰，廖阔，冯健，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：