CN102721963A - 一种宽带雷达对目标一维成像的目标特征提取算法 - Google Patents

Abstract

本发明涉及一种宽带雷达对目标一维成像的目标特征提取方法。针对目前宽带雷达对目标一维成像方法主要是获取目标外形电磁散射特征，易产生海杂波影响下对海目标宽带成像时目标特征不稳定等问题。为了获得较为稳定的识别结果，本技术发明提出了一维高分辨距离特征提取算法，以实现一维像特征精确提取，实现了对海目标一维宽带成像的区分识别。具体步骤包括：对目标一维成像数据的正确性进行判定，剔除影响数据计算结果的奇异值；对目标的成像开始与结束位置进行精确判定，为目标大小判定提供依据，并为后端处理提供支撑；目标数值特征提取及计算。本发明解决了目标识别特征提取的难题，对目标宽带成像识别提供了技术支撑。

Description

一种宽带雷达对目标一维成像的目标特征提取算法

一 技术领域

本发明涉及一种宽带雷达对目标一维成像的目标特征提取算法，属于目标综合识别技术领域，对目标的一维宽带成像进行特征提取，以便于比对识别，这在军事上具有十分重要的应用价值。

二 背景技术

目前在目标综合识别领域的技术研究和装备研制中，主要采用宽带雷达方法获取目标更多的外形电磁散射特征，由于受到海杂波等原因的影响，在对海目标宽带成像方面，存在目标特征不稳定等问题。

为了获得较为稳定的识别结果，本技术发明提出了一维高分辨距离特征提取算法，以实现一维像特征提取，实现了对海目标一维宽带成像的分类识别。

三 发明内容

本技术发明的目的在于提供一种在海杂波等探测背景下的一维宽带雷达成像特征提取、处理方法。

本技术发明重点解决目标识别中的关键问题——如何提取目标特征。

本技术发明与现有技术相比，其显著优点为：解决了目标识别特征提取的难题，对目标宽带成像特征提取有较好的效果。

为了实现本发明的目的，一维高分辨距离特征提取算法，包括以下步骤，实施过程及软件流程如图1所示：

S1目标一维成像数据预处理过程：目标一维成像数据预处理技术的主要功能是对目标一维成像数据的正确性进行判定，剔除影响数据计算结果的奇异值。同时，对目标数据的质量进行判别，为后端处理提供支撑。

S2宽带成像目标检测过程：对目标的成像开始与结束位置进行精确判定，为目标大小判定提供依据，并为后端处理提供支撑。

S3目标数值特征提取技术实现流程：选取以下五种特征信号作为目标识别的特征。目标RCS时间序列的均值；目标RCS时间序列的标准差；RCS序列的梅林变换序列{M_k}，k＝1，2，...，k₀；梅林变换序列的均值

梅林变换序列的标准差S_M。

本发明特点在于对目标宽带一维像的处理流程有较为有效的特殊方法：

(1)对目标同一周期成像的数据是否存在野值进行判定，具体方法为：对目标统一位置数据的反复采样进行正确性判断，采用将采样数据中间值作为衡量标准，规定采样点位置上的三次采样的最大值不能大于中间值的5倍。

(2)对S2阶段中获得的目标像，不是直接输出结果，而是进行递归二次检测，检测最多做N次，起始波门为X，以后每次递增Y(X、Y、N均为固定值)。之后，进行两种结果择优，大大提升了算法的适应性。

(3)结合以往试验数据，S3阶段选取以下五种特征信号作为目标识别的特征：

◆目标RCS时间序列的均值；

◆目标RCS时间序列的标准差；

◆RCS序列的梅林变换序列{M_k}，k＝1，2，...，k₀；

◆梅林变换序列的均值

◆梅林变换序列的标准差S_M。

四 附图说明

图1是一维成像的目标特征提取方法的流程图。

其中：图中S1-S3分别与发明内容中表述的S1-S3过程对应。

五 具体实施方式

实施过程及软件流程如图1所示，具体描述为以下过程：

S1目标一维成像数据预处理过程分为以下几个步骤：

1)通过检测目标是否存在大量连续0，对数据的正确性进行判定；

2)对目标同一周期成像的数据是否存在野值进行判定，具体方法为统一采样点位置上的三次采样的最大值不能大于中间值的5倍；

3)通过粗门限对过长目标(地物等其他情况)进行过滤，挑选合理空海目标。

S2宽带成像目标检测过程分为以下几个步骤：

1)通过对波门左右两边进行检测，判定海杂波的最强幅度，在乘以转换系数，得到目标门限。

2)对目标进行积累检测、分裂目标合并、非目标过滤。

3)对第2步获得的目标像，进行递归二次检测，检测最多做N次，起始波门为X，以后每次递增Y(X、Y、N均为固定值)。

4)比较2、3步骤值，将最优值输出。

S3目标数值特征提取技术实现流程：选取以下五种特征信号作为目标识别的特征。

1)目标RCS时间序列的均值；

2)目标RCS时间序列的标准差；

3)对目标RCS随目标方位角变换的序列作梅林变换，可以提出目标“方位不变性特征”，变换公式如下：

$M\left(\mathrm{\ω}\right)=\sqrt{{\left[\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\cos \left(\mathrm{\ω}\ln k\right){\mathrm{\Δ}}_k\right]}^2+{\left[\underset{k=1}{\overset{N}{\mathrm{\Σ}}}\sin \left(\mathrm{\ω}\ln k\right){\mathrm{\Δ}}_k\right]}^2}---\left(1\right)$

式中Δ_k＝V_a(k)-V_a(k+1)，V_a(k)为目标RCS幅度序列。

4)梅林变换序列的均值

5)梅林变换序列的标准差S_M。

Claims (4)

1.一维高分辨距离特征提取算法，其特征在于包括以下步骤：

S1目标一维成像数据预处理过程：目标一维成像数据预处理技术的主要功能是对目标一维成像数据的正确性进行判定，剔除影响数据计算结果的奇异值，同时，对目标数据的质量进行判别，为后端处理提供支撑；

S2宽带成像目标检测过程：对目标的成像开始与结束位置进行精确判定，为目标大小判定提供依据，并为后端处理提供支撑；

S3目标数值特征提取技术实现流程：选取以下五种特征信号作为目标识别的特征：目标RCS时间序列的均值；目标RCS时间序列的标准差；RCS序列的梅林变换序列{M_k}，k＝1，2，...，k₀；梅林变换序列的均值

梅林变换序列的标准差S_M；

上述过程的S1又包括以下过程：

S1-1通过检测目标是否存在大量连续0，对数据的正确性进行判定；

S1-2对目标同一周期成像的数据是否存在野值进行判定，具体方法为统一采样点位置上的三次采样的最大值不能大于中间值的5倍；

S1-3通过粗门限对过长目标(地物等其他情况)进行过滤，挑选合理空海目标；

上述过程的S2又包括以下过程：

S2-1通过对波门左右两边进行检测，判定海杂波的最强幅度，在乘以转换系数，得到目标门限；

S2-2对目标进行积累检测、分裂目标合并、非目标过滤；

S2-3对第2步获得的目标像，进行递归二次检测，检测最多做N次，起始波门为X，以后每次递增Y(X、Y、N均为固定值)；

S2-4比较2、3步骤值，将最优值输出。

2.如权利要求1所述的方法，其特征在于：对目标同一周期成像的数据是否存在野值进行判定，具体方法为统一采样点位置上的三次采样的最大值不能大于中间值的5倍。

3.如权利要求1所述的方法，其特征在于：对S2-2阶段中获得的目标像，进行递归二次检测，检测最多做N次，起始波门为X，以后每次递增Y(X、Y、N均为固定值)。

4.如权利要求1所述的方法，其特征在于：

S3阶段选取以下五种特征信号作为目标识别的特征：

◆目标RCS时间序列的均值；

◆目标RCS时间序列的标准差；

◆RCS序列的梅林变换序列{M_k}，k＝1，2，...，k₀；

◆梅林变换序列的均值

◆梅林变换序列的标准差S_M。

Images