基于多视角下一维像决策层融合的雷达目标识别方法技术

本发明专利技术涉及一种基于多视角下一维像的决策层融合的雷达目标识别的实现方法。该方法主要适用于协同体系下常规宽带相参警戒雷达的雷达目标识别。其主要流程是：首先对各视角下的一维像进行数据预处理；设置各视角下目标一维像能量聚集区提取门限；对各视角下目标一维像能量聚集区进行提取；计算各视角下雷达目标姿态；对各视角下目标一维像进行模板匹配；然后基于改进D‑S证据理论进行各视角下目标一维像模板匹配融合判决；最后进行雷达目标识别。本发明专利技术所提供的方法具有工程实现简单、决策层融合效果好、所用方法理论依据充分等特点，并且多视角下雷达目标识别正确率相较于单视角下雷达目标识别正确率提高在10％以上。

Radar target recognition method based on multi view image fusion

The invention relates to a method for realizing radar target recognition based on decision fusion of one dimension image in multi view angle. This method is mainly suitable for radar target recognition in conventional wideband coherent radar. The main process is: first of all from the perspective of one-dimensional image data preprocessing; setting the target from the perspective of one-dimensional like energy gathering area extraction threshold; the target HRRP extracted from the perspective of energy accumulation area; calculation of attitude from the perspective of the radar target; template matching on the perspective of the target like one-dimensional; then the improved D S evidence theory from the perspective of the target HRRP template matching based on decision fusion; finally, radar target recognition. The method provided by the invention has simple engineering, decision fusion effect, the theoretical basis for the method fully etc., and from the perspective of radar target recognition accuracy compared to single view radar target recognition rate is increased by more than 10%.

【技术实现步骤摘要】

本专利技术是一种用于基于协同体系下常规宽带相参警戒雷达系统，实现多视角一维像下雷达目标识别方法，实现雷达目标的粗分类。
技术介绍
在多视角下一维像的基础上，通过决策层融合等实现雷达目标识别，利用雷达目标识别信息可以实现雷达目标的分类。配合现有探测设备的改造，可以在现有探测设备的基础上大力提升协同目标识别能力。目前很多一维像的技术研究是基于单视角下一维像进行的，如在2013年4月西安电子科技大学学位论文《雷达高分辨距离像目标识别技术研究》中提出的一种基于时域特征的截断过程隐马尔科夫模型，并建立了基于TSB-HMM模型的分层识别方法，利用TSB-HMM模型结合时域特征和功率谱特征对一维像进行识别，实现单视角下的雷达目标识别。与其他文献中提出的方法不同，本专利技术针对在基于多视角下一维像的基础上，通过决策层融合的雷达目标识别方法，实现雷达目标的分类。
技术实现思路
本专利技术的目的在于提供一种解决协同体系下的多视角下一维像决策层融合的雷达目标识别方法，有效地实现雷达目标的分类。通过本专利技术，能够实现海上舰艇编队对视距内各种运动状态下的雷达目标进行有效的分类，并且多视角一维像下的雷达目标识别正确率在单视角一维像下的雷达目标识别正确率基础上提高10％。实现本专利技术的技术解决方案为：首先对各视角下的一维像数据进行剔除坏像、非相干积累等预处理；对非相干积累后的目标一维像设置目标一维像能量聚集区提取门限；提取各视角下目标一维像能量聚集区距离单元前后沿，标定目标一维像能量聚集区；利用雷达目标的航向和方位信息计算雷达目标各视角下的姿态角；计算各视角下目标一维像能量聚集区的中心距，利用目标姿态信息和中心距结合最大相关系数法进行中心距模板匹配，利用目标姿态信息和目标一维像能量聚集区结合最大相关系数法进行能量聚集区模板匹配，对各视角下的中心距模板匹配和能量聚集区模板匹配进行决策层融合判定，输出各视角下模板匹配结果；在各视角下模板匹配输出结果的基础上，结合各视角下目标的姿态信息和目标一维像信噪比信息进行基于改进D-S证据理论的各视角下目标一维像模板匹配融合判决；最后根据最大相关判决准则进行雷达目标识别。本专利技术与现有技术相比，其显著优点为：采用决策层融合判定法对各视角下的中心距模板匹配和能量聚集区模板匹配进行综合判定的方法，能够快速、有效地进行各视角下的目标一维像模板匹配，该方法具有自适应好，计算量小，运行效率高等特点。基于改进D-S证据理论的各视角下目标一维像模板匹配融合判决方法，能够准确、有效地消除不用视角下不同探测距离、不同姿态造成的一维像姿态敏感性、平移敏感性和强度敏感性的影响。本专利技术的提出和工程实现在雷达目标识别领域具有很高的推广应用价值。下面结合附图对本专利技术作进一步详细描述。附图说明图1是本专利技术的数据流程图。图2是本专利技术的中心距模板匹配结果输出示意图。图3是本专利技术的能量聚集区模板匹配结果输出示意图。图4是本专利技术的各视角下一维像模板匹配结果输出示意图。图5是本专利技术的基于改进D-S证据理论的目标一维像模板匹配示意图。具体实施方式本专利技术基于多视角下一维像决策层融合的雷达目标识别方法具体实施步骤为，参见附图1：(1)各视角下一维像数据预处理，方法如下：计算一维像的峰度矩阵K，找到峰度矩阵的最大元素max(K)及其对应的一维像，统计余下一维像集合{xi本文档来自技高网...

【技术保护点】
基于多视角下一维像决策层融合的雷达目标识别方法，其特征在于：通过计算一维像的峰度矩阵K，找到峰度矩阵的最大元素max(K)及其对应的一维像，统计余下一维像集合{xi}和离群峰度集合{ki}，利用离群峰度法剔除异常一维像；以峰度矩阵最大元素对应的一维像为基像，采用最小熵估计准则对一维像进行对齐处理，对对齐后的一维像做非相干积累；统计非相干积累后的一维像前八分之一和后八分之一部分的均值和方差，以均值最小值和方差最小值作为非相干积累后一维像的噪声均值和方差，以gate＝k*(mean(X)+6*std(X))的形式设置各视角下目标一维像能量聚集区提取门限，其中mean(X)为噪声均值，std(X)为噪声方差，k为常值系数；利用滑动平均法进行过门限目标一维像边界标定，提取目标一维像能量聚集区；根据雷达目标的航向和方位，计算雷达目标的姿态角；计算各视角下目标一维像能量聚集区的中心距，以归一化中心距构建特征矢量其中为2阶归一化中心距，为3阶归一化中心距，为4阶归一化中心距，为5阶归一化中心距，为6阶归一化中心距，结合最大相关系数法对目标姿态±15°范围的船只模板归一化中心距特征矢量与目标一维像能量聚集区的归一化中心距特征矢量相关计算的中心距模板匹配；结合最大相关系数法对目标姿态±15°范围的船只模板能量聚集区与目标一维像能量聚集区相关计算的能量聚集区模板匹配；对各视角下的中心距模板匹配和能量聚集区模板匹配进行决策层融合判定，将判定后的结果作为各视角下目标一维像模板匹配结果；以的形式构建各视角下一维像模板匹配输出类型给定判定的概率赋值{Ai},i＝1,2,…,12，基于改进D‑S证据理论进行目标一维像模板匹配；最后进行雷达目标识别；通过该方法进行多视角下一维像雷达目标识别正确率在单视角下一维像雷达目标识别正确率基础上提高10％。...

【技术特征摘要】
1.基于多视角下一维像决策层融合的雷达目标识别方法，其特征在于：通过计算一维像的峰度...

【专利技术属性】
技术研发人员：杨学岭，
申请(专利权)人：中国船舶重工集团公司第七二四研究所，
类型：发明
国别省市：江苏;32