专利名称：基于双谱去噪的噪声背景下雷达目标识别方法
技术领域：
本发明属于雷达技术领域，涉及目标识别方法，可用于对噪声背景下飞机、车辆等目标进行识别。
背景技术：
高分辨率距离像是宽带雷达信号的目标散射点回波在雷达射线方向上投影的向量和，可以提供目标散射点回波在距离方向的大概分布情况，对目标的识别具有重要价值，因而成为雷达自动目标识别领域研究的热点。实际应用中由于高分辨距离像在距离窗口出现的随机性，使距离像具有平移敏感性问题，因而直接利用距离像识别需要进行平移对齐。常用的距离像对齐方法有滑动相关法和绝对对齐法，滑动相关法精度较高，但是计算复杂，而绝对对齐法计算简单，但是精度较低。双谱特征具有平移不变性，高分辨距离像可以在双谱域直接平均，而无须对其作平移对齐，这避免了距离像对齐带来的计算问题。双谱特征对任意具有对称概率密度函数且均值为零的噪声具有盲性，利用双谱特征对高斯白噪声的抑制作用，可以解决高分辨距离像在噪声背景下的去噪问题。双谱特征保留了信号除线性相位以外的全部相位信息，除了位置不确定之外，可以从双谱特征唯一的恢复出原始距离像。双谱对白噪声具有抑制作用，但复距离像的双谱去噪必须考虑复距离像的初相敏感性问题。复距离像的相位包括由目标转动引起的相位和由目标平动引起的相位，由目标转动引起的相位包含目标的识别信息，具有一定识别价值，而由目标平动引起的相位即复距离像的初相，在雷达信号波长一定的情况下，初相是由目标和雷达的径向距离决定的，不包含目标的识别信息，因此对识别没有价值。对于一部C波段雷达，若载频为6GHz，波长约为5cm，则5cm的平动就会使初相发生4 的变化。这说明很小的平动就会引起很大的初相改变，这使得复距离像 的相位很难被利用，这就是复距离像的初相敏感性问题。若可以对初相进行较好的校正，可以消除初相敏感性问题。现有的逆合成孔径雷达成像中使用的自聚焦算法在理论上可以实现复距离像的初相校正，但受到目标距离雷达远近等诸多因素的影响，目标的信噪比往往较低，若不去除噪声的影响，自聚焦算法将不能在低信噪比情况下实现较好的初相校正，进而影响目标识别效果。
发明内容
本发明的目的在于提供一种基于双谱去噪的噪声背景下雷达目标识别方法，以解决上述已有技术在噪声背景下无法恢复出去噪后平均距离像，进而导致识别率低的不足。实现本发明的基本思路是:通过使用训练样本的功率谱特征训练线性相关向量机分类器，通过一组幅度为距离像幅度，相位为距离像相位两倍的变形距离像计算测试样本的平均双谱，由平均双谱恢复出去噪后平均距离像，将去噪后平均距离像的功率谱特征输入到线性相关向量机分类器，确定出目标类别标号。具体步骤包括如下:
(I)从雷达回波数据库中取出多类目标作为训练目标，并对其回波进行脉冲压缩，得到训练目标的距离像样本X，并对距离像样本X归一化，通过归一化后距离像样本计算线性相关向量机分类器的权系数W ;(2)雷达系统将检测到的某个未知目标作为测试目标，并对该测试目标的R次连续回波分别进行脉冲压缩，得到测试目标距离像样本集:X= Ix1, X2,…，xd,…，X1J，其中d=l，2，…，R，Xd为d次回波进行脉冲压缩得到的距离像样本；(3)获得去噪后平均距离像:3a)依次取出测试目标距离像样本集中的距离像样本，得到其双谱:3al)对取出的距离像样本Xd= {xd(0), Xd(I),…xd (e)，…xd (N-1)),使用下式产生变形距离像:yd={yd(0), yd(l),…yd(e),…yd(N_l)}:
权利要求
1.一种基于双谱去噪的噪声背景下雷达目标识别方法，包括如下步骤: (1)从雷达回波数据库中取出多类目标作为训练目标，并对其回波进行脉冲压缩，得到训练目标的距离像样本X，并对距离像样本X归一化，通过归一化后距离像样本计算线性相关向量机分类器的权系数W ; (2)雷达系统将检测到的某个未知目标作为测试目标，并对该测试目标的R次连续回波分别进行脉冲压缩，得到测试目标距离像样本集:X={Xl，x2,…，xd,-, xK)，其中d=l，2，…，R，Xd为d次回波进行脉冲压缩得到的距离像样本； (3)获得去噪后平均距离像: 3a)依次取出测试目标距离像样本集中的距离像样本，得到其双谱: 3al)对取出的距离像样本Xd= {xd(0), Xd(I),…xd(e),…xd(N_l)},使用下式产生变形距离像:yd = {yd(0), yd(l),...yd(e),...yd (N-1)}: J參k⑷I ’ 其中xd(e)为xd中第e维元素，e=0,1，…，N-1, N为距离像维度； yd(e)为yd中第e维元素，e=0，l，…，N-1，I I表示求模值; 3a2)对距离像样本Xd作快速傅里叶变换，得到Xd的频谱Sd，对变形距离像yd作快速傅里叶变换，得到yd的频谱Td;3a3)通过Xd的频谱Sd，yd的频谱Td得到Xd的双谱Bd，该双谱Bd为N维方阵，Bd中的第P+1 行，q+1 列元素:Bd(p，q) = Sd(p)Sd(q)Td*(p+q),其中 Sd(p)为 Sd 的第 p 维元素,Sd (q)为Sd的第q维元素，T/(p+q)为Td中第p+q维元素的共轭，p=0，l，-,N-1, q=0,l, -,N-1;3b)由步骤3a)得到的R 个双谱，构成双谱特征集B= (B1, B2，…Bd，…，B1J，计算平均双谱特征吖=/ .:+昊—.1馬+ +鳥’其中(1=1，2，…，R，Bd为第d次距离像样本的双谱特征； 3c)由平均双谱特征B'，求出去噪后平均距离像频谱幅度U和相位V ； 3d)对去噪后平均距离像频谱的幅度U和相位V进行逆快速傅里叶变换，求出去噪后平均距离像X'； (4)归一化去噪后平均距离像X'，由归一化的去噪后平均距离像和线性相关向量机分类器的权系数W得到目标类别标号。
2.根据权利要求1所述的噪声背景下雷达目标识别方法，其中步骤I)所述的对距离像样本X归一化，采用2-范数强度归一化法，得到归一化后的训练样本Z = 其中I |x|为训练距离像样本X的2-范数。
3.根据权利要求1所述的噪声背景下雷达目标识别方法，其中步骤I)所述的通过归一化后距离像样本计算线性相关向量机分类器的权系数W，按如下步骤: (Ia)将归一化后的训练样本z进行傅里叶变化，并取其模值的平方，得到z的功率谱特IE:Da= (Da (0),Da (I),...，Da(p)，...Da (K-1) }， 其中Da(p)是训练样本功率谱特征Da的第p维元素，p=0，l，…，K-l，K为功率谱特征的维度；(Ib)使用归一化后训练样本的功率谱特征DJII练线性相关向量机分类器，得到线性相关向量机分类器的权系数:W= {to (O) , Co (I),…，《(q),…《 (C-1)}, 其中:《 (q) = { (0, q) , (1，q)，…，o (K_l, q)}T是权系数的第q维元素， q=0, I,…，C-1, C为训练目标类别数。
4.根据权利要求1所述的噪声背景下雷达目标识别方法，其中步骤3c)中所述求出去噪后平均距离像频谱幅度U，按如下步骤进行: 3cl)取平均双谱特征B'的幅度G，并初始化去噪后平均距离像频谱幅度U为元素全为I的N维向量，初始化去噪后变形距离像频谱幅度F为元素全为I的N维向量，初始化迭代次数s为0 ; 3c2)依次更新U的每个元素:将U中的第q维元素U(q)更新为
5.根据权利要求1所述的噪声背景下雷达目标识别方法，其中步骤3c)中所述求出去噪后平均距离像频谱相位V，按如下步骤进行: 3c5)取平均双谱特征B'的相位H，并初始化去噪后平均距离像频谱相位V为元素全为I的N维向量，初始化去噪后变形距离像频谱相位T为元素全为I的N维向量，初始化迭代次数s为0 ; 3c6)依次更新V的每个元素:将V中的第q维元素V(q)更新为
6.根据权利要求1所述的噪声背景下雷达目标识别方法，其中步骤4)所述的由归一化的去噪后平均距离像和线性相关向量机分类器的权系数W得到目标类别标号，按如下步骤: 4a)将归一化的去噪后平均距离像进行傅里叶变化，并取其模值的平方，得到归一化的去噪后平均距离像的功率谱特征:Db= (Db (0) ,Db(I),..., Db(p),...Db (K-1))，其中 Db (p)是功率谱特征 Db 的第 p 维元素，P=O, 1，…，K-1，K表示功率谱特征的维度； 4b)将归一化的去噪后平均距离像的功率谱特征Db输入到训练好的线性相关向量机分类器中，通过其权系数W计算分类器的输出:y=Db W，由于功率谱特征Db为K维向量，权系数W为K C维的矩阵，故分类器的输出y为C维向量，C为训练目标类别数； 4c)根据分类器的输出确定目标类别标号，即将y中最大值元素对应的类别标号作为目标类 别标号。
全文摘要
本发明公开了一种基于双谱去噪的噪声背景下雷达目标识别方法，主要解决现有技术在噪声背景下直接使用未去噪距离像进行目标识别，导致识别率差的问题。其实现过程是对训练样本归一化，提取归一化训练样本的功率谱特征；使用训练样本的功率谱特征训练分类器，得到分类器的权系数；使用双谱去噪方法对测试样本进行去噪处理，恢复出去噪后平均距离像，并对其进行归一化；提取归一化的去噪后平均距离像的功率谱特征；使用训练好的分类器对归一化的去噪后平均距离像的功率谱特征进行分类，确定目标类别标号。本发明具有对噪声稳�。苫指闯鋈ピ牒笃骄嗬胂竦挠诺悖捎糜诶状锬勘晔侗稹�
文档编号G01S7/41GK103217676SQ201310161379
公开日2013年7月24日 申请日期2013年5月6日 优先权日2013年5月6日
发明者杜兰, 袁希望, 李志鹏, 王鹏辉, 刘宏伟 申请人:西安电子科技大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
