基于复数AGC模型的噪声背景下雷达目标识别方法,申请号CN201310405038.2-传众专利搜索

基于复数AGC模型的噪声背景下雷达目标识别方法

申请公布号：CN103454623B

申请号：CN201310405038.2

申请日期：2013.09.08

申请公布日期：2015.06.17

申请人：

西安电子科技大学

发明人：杜兰;袁希望;王鹏辉;和华;刘宏伟

分类号：G01S7/41(2006.01)I

主分类号：G01S7/41(2006.01)I

代理机构：

陕西电子工业专利中心 61205

代理人：王品华;朱红星

地址：710071 陕西省西安市太白南路2号

摘要：本发明公开了一种基于复数AGC模型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进行目标识别时，无法兼备识别率高和运算量小的问题。其实现步骤是：使用雷达复距离像训练样本求出其方差像，计算雷达复距离像测试样本的信噪比，通过该信噪比修正复距离像训练样本的方差像，通过修正后方差像和复距离像测试样本计算各类别下类后验概率的判决值，确定出目标类别标号。本发明具有噪声背景下识别率高和运算量小的优点，可用于雷达目标识别。

主权项：一种基于复数AGC模型的噪声背景下雷达目标识别方法，包括如下步骤：(1)将高信噪比条件下获得的多类目标的雷达距离像回波数据作为复距离像训练样本集X＝{X1,X2,…,Xc,…XE}，其中Xc是第c类目标的复距离像训练样本，c＝1,2,…,E，E表示目标总类别数；(2)计算模值平均像和方差像：2a)将第c类目标复距离像训练样本Xc分为F帧，计算第c类目标的模值平均像mc＝{mc1,mc2,…,mck,…mcF}和方差像Σc＝{Σc1,Σc2,…,Σck,…ΣcF}，其中mck为第c类第k帧模值平均像，Σck为第c类第k帧方差像,k＝1,2,…,F，F表示样本帧数；2b)重复步骤2a)共E次得到所有类模值平均像m＝{m1,m2,…,mc,…mE}和方差像Σ＝{Σ1,Σ2,…,Σc,…ΣE}，c＝1,2,…,E；(3)将雷达系统获取到的某个未知目标的距离像回波作为测试目标距离像样本y，计算该测试目标距离像样本y的信噪比R：<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mi>R</mi><mo>=</mo><msub><mrow><mn>10</mn><mi>log</mi></mrow><mn>10</mn></msub><mfrac><msup><mrow><mo>|</mo><mo>|</mo><mi>y</mi><mo>|</mo><mo>|</mo></mrow><mn>2</mn></msup><mrow><mi>D</mi><msup><msub><mi>σ</mi><mi>n</mi></msub><mn>2</mn></msup></mrow></mfrac><mo>,</mo></mrow>]]></math><img file="FDA0000649165190000011.GIF" wi="496" he="163" /></maths>其中，||y||2为测试目标距离像样本2‑范数的平方，D为距离像样本的维度，σn2为雷达接收机噪声功率；(4)采用2‑范数强度归一化方法归一化测试目标距离像样本，得到归一化后的测试样本<maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msup><mi>y</mi><mo>′</mo></msup><mo>=</mo><mfrac><mrow><mi>y</mi><msqrt><mn>1</mn><mo>+</mo><msup><mn>10</mn><mrow><mo>-</mo><mfrac><mi>R</mi><mn>10</mn></mfrac></mrow></msup></msqrt></mrow><mrow><mo>|</mo><mo>|</mo><mi>y</mi><mo>|</mo><mo>|</mo></mrow></mfrac><mo>;</mo></mrow>]]></math><img file="FDA0000649165190000012.GIF" wi="375" he="180" /></maths>(5)根据信噪比R修正方差像：5a)计算第c类修正后方差像：<maths num="0003" id="cmaths0003"><math><![CDATA[<mrow><msubsup><mi>Σ</mi><mi>c</mi><mo>′</mo></msubsup><mo>=</mo><mo>{</mo><msub><mi>Σ</mi><mrow><mi>c</mi><mn>1</mn></mrow></msub><mo>+</mo><mfrac><mrow><mn>1</mn><msup><mn>0</mn><mrow><mo>-</mo><mfrac><mi>R</mi><mn>10</mn></mfrac></mrow></msup></mrow><mi>D</mi></mfrac><msub><mi>I</mi><mi>D</mi></msub><mo>,</mo><msub><mi>Σ</mi><mrow><mi>c</mi><mn>2</mn></mrow></msub><mo>+</mo><mfrac><msup><mn>10</mn><mrow><mo>-</mo><mfrac><mi>R</mi><mn>10</mn></mfrac></mrow></msup><mi>D</mi></mfrac><msub><mi>I</mi><mi>D</mi></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>Σ</mi><mi>ck</mi></msub><mo>+</mo><mfrac><mrow><mn>1</mn><msup><mn>0</mn><mrow><mo>-</mo><mfrac><mi>R</mi><mn>10</mn></mfrac></mrow></msup></mrow><mi>D</mi></mfrac><msub><mi>I</mi><mi>D</mi></msub><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><msub><mi>Σ</mi><mi>cF</mi></msub><mo>+</mo><mfrac><msup><mn>10</mn><mrow><mo>-</mo><mfrac><mi>R</mi><mn>10</mn></mfrac></mrow></msup><mi>D</mi></mfrac><msub><mi>I</mi><mi>D</mi></msub><mo>}</mo><mo>,</mo></mrow>]]></math><img file="FDA0000649165190000013.GIF" wi="1464" he="173" /></maths>其中ID为D维单位阵；5b)重复步骤5a)共E次，得到所有类修正后方差像Σ′＝{Σ′1,Σ′2,…,Σ′c,…Σ′E}，c＝1,2,…,E；(6)求判决值：6a)采用滑动相关对齐法将测试样本y′与第c类目标的模值平均像mc对齐，得到对齐后的测试样本yc′，并求出第c类目标判决值：dc＝ln|Σc′|+(yc′)H(Σc′)‑1yc′，其中ln|·|表示求矩阵行列式的对数，(·)‑1表示矩阵求逆，(·)H表示矩阵的共轭转置；6b)重复步骤6a)共E次，得到所有类判决值d＝{d1,d2,…,dc,…dE}，c＝1,2,…,E；(7)取所有类判决值d中的最小值，将该最小值所对应的类别标号作为目标类别标号。