一种基于子带综合和多特征融合机制的雷达目标识别方法技术

本发明专利技术属于雷达目标识别技术领域，具体涉及一种基于子带综合和多特征融合机制的雷达目标识别方法

【技术实现步骤摘要】
一种基于子带综合和多特征融合机制的雷达目标识别方法


[0001]本专利技术属于雷达目标识别
，具体涉及一种基于子带综合和多特征融合机制的雷达目标识别方法
。

技术介绍

[0002]超宽带雷达的高距离分辨率使得其在目标识别方面具有很多新的特性和优势
。
相比于传统体制雷达，超宽带体制的雷达回波携带更加丰富的电磁散射信息，有利于提取到稳健可靠的目标特征
。
受限于现有生产工艺水平，通过升级雷达硬件系统使单部雷达的发射带宽很宽是一种代价成本极大的手段
。
近年来，许多学者开始研究利用信号处理的手段来增加发射信号的带宽，以获得虚拟的超宽带信号，进而提升雷达系统的距离分辨力
。
多子带综合形成超宽带技术，就是利用多个空间分置
、
工作在不同频段的雷达的子带数据进行相参融合，形成具备大带宽和高精度成像分辨力的超宽带雷达回波的一种有效方式
。
该技术在提升雷达距离分辨率的同时无需升级原始雷达体制的系统硬件，因此子带综合生成超宽带技术具备极大的理论研究本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于子带综合和多特征融合机制的雷达目标识别方法，其特征在于，包括以下步骤：
S1、
基于
GTD
模型对两个子带雷达回波进行建模，得到离散化的频率响应
Y1,Y2，利用相关补偿使
Y1,Y2相参，具体为：定义第
i
个子带雷达将线性调频信号
s
i
(t)
发送到目标，第
i
个雷达目标回波的频率响应为：其中，
S
i
(f)
是
s
i
(t)
的傅里叶变换，
M
为目标散射中心的数量，
A
m
和
α
m
分别表示第
m
个散射中心的幅度和频率依赖因子，
f
0i
表示第
i
个子带的初始频率，
R
mi
表示第
m
个散射点与第
i
个雷达之间的相对距离，
c
为光速；建立一个过完备字典
Ψ
i
，第
i
个子带的第
(n,l)
位的元素表示为：其中，
f
i
(n)
表示第
i
个子带雷达的离散化频率，是散射点的频率依赖因子，
l1∈{1,...,5}
，表示散射点相对于第
i
个雷达参考点的相对距离，
l2∈{1,...,L2}
，
L2根据雷达的距离分辨率设置，第
i
个子带雷的离散频率响应
Y
i
的矩阵形式为：
Y
i
＝
Ψ
i
δ
i
+n
i
其中，
Y
i
＝
(S
Ri
(f
i
(1)),
…
,S
Ri
(f
i
(N
i
)))
T
，
N
i
是第
i
个子带的频率点个数，
δ
i
表示散射中心相对于第
i
个子带的未知复振幅，
n
i
为噪声向量，字典
Ψ
i
中含有
α
m
和
R
mi
的取值信息；以子带1为参考，补偿
Y1和
Y2的相位差：假设频带1的范围为
[f
1L
,f
1U
]
，频带2的范围为
[f
2L
,f
2U
]
，则全频带范围为
[f
L
,f
U
]
；子带
1、
子带2的频域表达式分别为
Y1(f)、Y2(f)
，两子带的相位差表示为
λ
，则构造代价函数为：其中，
Y
1*
(f)、
分别表示子带1和子带2扩展到全频段范围内的目标回波；最小化代价函数得到
λ
*
，此时通过排列子带向量得到模拟的全频带回波
Y
*
为求出
Y
*
后，采用压缩感知类方法解：
Y
*
＝
Ψ
*
δ
*
+n
式中，
Ψ
*
和
δ
*
分别代表频率范围为
[f
1L
,f
1U
]∪[f
2L
,f
2U
]
时的字典和向量；
δ
*
的非零元素代表散射点的数量，其在
Ψ
*
中对应的列即为目标散射点的幅度
、
位置和频率依赖因子；参数集描述了目标径向分布的散射中心特征，体现了目标的物理特性；
S2、
对散射中心特征进行筛选，通过基于双阈值判别的散射中心特征提取方法得到目
标稳健的电磁散射特征，具体为：定义目标相对于全频带有
M
个散射点，
{A
m
,m
＝
1,2,...,M}
为散射中心的复振幅，对其做归一化处理：根据目标尺寸大小在目标中心附近设定距离窗
W(r)
，将位于此距离窗以外的散射中心剔除，定义窗函数为：其中，
R
m
为散射中心的相对位置，
R1和
R2分别代表距离窗区间的下边界和上边界，
R1...

【专利技术属性】
技术研发人员：张瑛，王一朋，雷猛，和牧辰，秦欣鑫，张睿智，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：