基于PPCA模型的强噪声背景下雷达距离像统计识别方法技术

本发明专利技术公开了一种基于ＰＰＣＡ模型的强噪声背景下雷达距离像统计识别方法，它涉及雷达自动目标识别技术领域，主要解决现有ＰＰＣＡ模型统计识别方法对噪声不稳健的问题。其训练阶段步骤为：对雷达连续ＨＲＲＰ分帧、平移对齐和强度归一化，并利用处理后的ＨＲＲＰ学习ＰＰＣＡ模型各方位帧的参数，并保存模板。其测试阶段步骤为：先对待测试样本强度归一化、平移对齐，然后估计它的信噪比范围，若该信噪比大于３０ｄＢ，则计算各目标各帧的距离值，并判定类别属性；若该信噪比小于３０ｄＢ，则改写现有距离值，通过最小化它，求解低信噪比条件下的噪声能量，最后计算各目标各帧的距离值，并判定类别属性。本发明专利技术具有对噪声稳健，计算量较小的优点，用于对雷达目标识别。

【技术实现步骤摘要】

本专利技术属于雷达自动目标识别
，具体的说是一种基于PPCA模型的强噪声背景下雷达距离像统计识别方法。
技术介绍
一维高分辨距离像的自动目标技术可追溯到20世纪80年代。由于一维高分辨距离像HRRP能够提供目标沿距离方向几何结构信息，且具有易于获得和处理的独特优势；同时，雷达具有全天候、全天时的特点，雷达一维高分辨距离像自动目标识别受到广泛重视。 基于统计模型的识别方法是一种重要的雷达HRRP自动目标识别方法。一维高分辨距离像的统计识别是指根据测试样本在各类别下的类后验概率的大小确定该测试样本的类别归属的识别方法。相关文献中提出了利用多种统计建模进行目标识别的方法，这些模型包括独立高斯模型、独立Gamma模型，基于Gamma和混合高斯Gaussian Mixture的独立双分布模型、基于主分量分析PCA联合高斯模型、概率主分量分析PPCA联合高斯模型和因子分析FA联合高斯模型等。其中PPCA模型假设距离像回波数据x服从联合高斯分布，距离像x与隐变量y的关系为x＝Ay+m+ε，其中x和y的维数分别为D和d，d＜D，m是均值向量，A是加载矩阵。A的各列为正交向量，且ε服本文档来自技高网...

【技术保护点】
一种基于ＰＰＣＡ模型的强噪声背景下雷达距离像统计识别方法，包括　Ａ．训练步骤：　（Ａ１）按照目标所在的方位将目标的所有高信噪比环境下获得的一维高分距离像ＨＲＲＰ回波数据划分成多个数据段，每段称为一帧；　（Ａ２）将各帧内的Ｈ ＲＲＰ回波数据平移对齐；　（Ａ３）将各帧内所有平移对齐后的ＨＲＲＰ数据进行强度归一化；　（Ａ４）分别对各个帧内强度归一化后的数据建立一个ＰＰＣＡ模型，求取模型参数均值＊↓［ｊｋ］↑［＋］，方差＊↓［ｊｋ］↑［２＋］，加载矩阵＊↓ ［ｊｋ］↑［＋］，并将其保存为模板Ｔ↓［ＰＰＣＡ］＝｛＊↓［ｊｋ］↑［＋］，＊↓［ｊｋ］↑...

【技术特征摘要】

【专利技术属性】
技术研发人员：刘宏伟，陈凤，王鹏辉，保铮，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]