本发明专利技术提出了一种基于噪声先验的概率主成分分析雷达目标稳健识别方法，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是：对雷达高分辨距离像数据做预处理并取模获得其时域特征；训练雷达训练目标高分辨距离像数据每一帧的概率主成分分析模型，在训练过程中用最大似然法确定该模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像非信号支撑区中的噪声方差；计算概率主成分分析模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像对各雷达训练目标的后验概率值并以此确定雷达测试目标高分辨距离像的类别属性。本发明专利技术具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。
【技术实现步骤摘要】
本专利技术属于雷达
，涉及稳健自动目标识别，具体的说是一种雷达目标高分辨距离像的噪声稳健目标识别方法，可用于雷达自动目标识别。
技术介绍
雷达自动目标识别技术可以提供目标属性、类别、型号等信息，高分辨雷达通常工作在微波波段，目标及其部件的长度远长于波长，这时雷达目标可近似为一组离散的散射点。相应地，雷达发射信号被目标散射点后向散射，通过幅度调制的延时后形成散射点子回波，雷达目标高分辨距离像即为各散射点子回波的向量和，这就是高分辨雷达目标的散射点模型。这个模型被广泛地应用于雷达自动目标识别。建立雷达自动目标识别统计模型分两个阶段，分别是训练阶段和测试阶段。在训 练阶段，用于训练的雷达目标高分辨距离像是通过实验雷达或者电磁仿真得到的，训练样本的信噪比比较高。而在测试阶段，用于训练的雷达目标高分辨距离像的信噪比和目标特定方位反射特性以及大气条件相关，无法保证高信噪比。当使用测试雷达目标高分辨距离像的信噪比不高的情况下，测试雷达目标高分辨距离像的噪声会影响到测试雷达目标高分辨距离像的统计特性，造成训练阶段得到的雷达自动目标识别统计模型和测试阶段得到的雷达目标高分辨距离像不匹配，大大降低了雷达自动目标识别统计模型的识别性能。目前国内外有许多机构都开展了雷达自动目标识别统计模型的噪声稳健性研究，这些研究考察了测试的雷达目标高分辨距离像被噪声污染后的雷达自动目标识别统计模型的稳健性。L. Du, H. -W. Liu，Z. Bao 和 J. -Y. Zhang 2006 年在 IEEE Trans, on S. P.上发表的 A two-distribution compounded statistical model for radar HRRP targetrecognition文章建立了基于高斯和伽马分布的雷达自动目标识别统计模型，并且考察了该模型在测试的雷达目标高分辨距离像被噪声污染后的稳健性。L. Du, H. -W. Liu, PenghuiWang, Bo Feng, Mian Pan 和 Z. Bao 2012 年在 IEEE Trans, on S. P.发表的 Noise RobustRadar HRRP Target Recognition Based on Multitask Factor Analysis with SmallTraining Data Size文章建立了多任务的因子分析雷达自动目标识别统计模型，并考察了该模型在测试的雷达目标高分辨距离像的信噪比比较低时该模型的稳健性。陈凤2009年在西安电子科技大学博士学位论文雷达自动目标识别技术研究中建立了一个自适应模型来实现的雷达目标高分辨距离像被噪声污染后的稳健识别，但是该模型没有用到噪声的先验知识，性能下降较快。上述这些方法的共同缺点如下I)只给出了雷达自动目标识别模型在测试雷达目标高分辨距离像各个信噪比下的识别性能，而没有利用测试雷达目标高分辨距离像中的噪声先验来改进雷达自动目标识别统计模型。2)提出的雷达自动目标识别统计模型不稳健，在使用测试雷达目标高分辨距离像的信噪比不高的情况下，识别性能很差。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种，根据测试雷达目标高分辨距离像的信噪比来调整模型参数，以提高在测试雷达目标高分辨距离像低信噪比下雷达目标识别的性能。实行本专利技术的技术原理是通过对雷达目标原始高分辨距离像进行有效的预处理和雷达目标时域特征提取，建立雷达目标概率主成分分析模型，通过测试雷达目标高分辨距离像的信噪比来调整该模型中的参数，使雷达目标概率主成分分析模型和测试的雷达目标高分辨距离像匹配以提高识别效果。根据以上原理，本专利技术的实现步骤包括如下(I)对雷达训练目标高分辨距离像数据进行角域分帧、帧内对齐和信号能量归一化的预处理，对雷达测试目标高分辨距离像数据进行信号能量归一化的预处理； (2)对预处理后的雷达训练目标高分辨距离像数据和雷达测试目标高分辨距离像数据取模得到它们的时域特征；(3)对雷达训练目标高分辨距离像数据每一帧的时域特征，训练概率主成分分析模型，利用最大似然法计算雷达训练目标高分辨距离像数据中第c个目标第m帧的概率主成分分析模型的均值μ a’m)、噪声协方差矩阵和加载矩阵Σ^Μ):权利要求1.一种，包括如下步骤 (1)对雷达训练目标高分辨距离像数据进行角域分帧、帧内对齐和信号能量归一化的预处理，对雷达测试目标高分辨距离像数据进行信号能量归一化的预处理； (2)对预处理后的雷达训练目标高分辨距离像数据和雷达测试目标高分辨距离像数据取模得到它们的时域特征； (3)对雷达训练目标高分辨距离像数据每一帧的时域特征，训练概率主成分分析模型，利用最大似然法计算雷达训练目标高分辨距离像数据中第c个目标第m帧的概率主成分分析模型的均值U a’m)、噪声协方差矩阵和加载矩阵!^"0:2.根据权利要求I所述的目标稳健识别方法，其中步骤I所述的角域分帧，是按照雷达训练目标高分辨距离像数据每一帧内部包含1024次雷达训练目标高分辨距离像数据的要求，等间隔划分雷达训练目标高分辨距离像数据。3.根据权利要求I所述的目标稳健识别方法，其中步骤I所述的帧内对齐，按如下步骤进行 (Ia)取出雷达训练目标高分辨距离像数据每一帧中的第一次高分辨距离像作为模板固定不动； (Ib)平移雷达训练目标高分辨距离像数据每一帧中的其它高分辨距离像，分别计算这些高分辨距离像与它们对应帧的第一次高分辨距离像的相关系数C ( T )C ( T ) = COV (x, X ( T )), 其中，C0V(X，x(x))表示计算雷达训练目标高分辨距离像X和平移T个距离单元后的雷达训练目标高分辨距离像X( T )的相关系数，得到一组相关系数值； (Ic)在一组相关系数值最大的时刻，保存平移后的雷达训练目标高分辨距离像数据， 并用该平移后的雷达训练目标高分辨距离像数据取代原始雷达训练目标高分辨距离像数据，使平移后的雷达训练目标高分辨距离像数据与其对应帧中的第一次雷达高分辨距离像模板对齐。4.根据权利要求I所述的目标稳健识别方法，其中步骤I所述的信号能量归一化，是用雷达训练目标高分辨距离像数据和雷达测试目标高分辨距离像数据的每一次高分辨距离像除以该次高分辨距离像自身所包含的信号能量。全文摘要本专利技术提出了一种，主要解决现有雷达飞机目标识别技术中的统计模型对噪声不稳健的问题。其实现过程是对雷达高分辨距离像数据做预处理并取模获得其时域特征；训练雷达训练目标高分辨距离像数据每一帧的概率主成分分析模型，在训练过程中用最大似然法确定该模型的均值、加载矩阵和噪声协方差矩阵；统计雷达测试高分辨距离像非信号支撑区中的噪声方差；计算概率主成分分析模型的均值和噪声协方差矩阵的修正值；计算雷达测试目标高分辨距离像对各雷达训练目标的后验概率值并以此确定雷达测试目标高分辨距离像的类别属性。本专利技术具有对噪声稳健的优点，可用于对雷达飞机目标的稳健识别。文档编号G01S7/41GK102636777SQ20121013104公开日2012年8月15日 申请日期2012年4月29日 优先权日2012年4月29日专利技术者冯博, 刘宏伟, 张学峰, 杜兰, 潘勉, 王鹏辉本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：刘宏伟，潘勉，杜兰，张学峰，冯博，王鹏辉，
申请(专利权)人：西安电子科技大学，
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。