一种空间目标多维多域信息数据级融合识别方法技术

本发明专利技术公开了一种空间目标多维多域信息数据级融合识别方法，包括以下步骤：获得空间目标的一维RCS序列、一维高分辨距离像及二维ISAR像；获得空间目标的一维光度序列、一维光谱图像及二维光学图像；得到对应的分段聚合近似后的一维RCS序列和分段聚合近似后的一维光度序列；空间目标的一维高分辨距离像平均像和一维光谱图像平均像；格拉姆角场转换进行统一建模，变换为对应的类格拉姆矩阵并将其保存为二维灰度图像；构建空间目标多维多域图像数据集；得到训练好的空间目标多维多域数据融合智能识别模型；得到空间目标的分类识别结果。本发明专利技术对空间目标雷达域和光学域的多维信息进行数据级融合智能识别，识别结果的稳健性更好。好。好。

【技术实现步骤摘要】
一种空间目标多维多域信息数据级融合识别方法


[0001]本专利技术涉及信号处理领域，具体涉及一种空间目标多维多域信息数据级融合识别方法。

技术介绍

[0002]空间目标多维多域数据融合识别对提升空间目标识别性能和增强空间态势感知能力具有非常重要的意义。空间目标一般包括卫星以及空间碎片等空间目标，目前对空间目标的观测主要采用雷达观测和光学观测。雷达观测方法属于主动探测，可以获得空间目标的有效散射截面(Radar Cross Section,RCS)、一维高分辨距离像(High Resolution Range Profile,HRRP)及二维逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)图像。光学观测属于被动观测，可以获取空间目标反射的可见光亮度(光度)、一维辐射光谱信息(光谱)及二维光学图像。因此，通过光电传感器的联合主被动探测，可以获得空间目标雷达域和光学域的一维和二维数据，即空间目标多维多域数据。基于此，研究空间目标多维多域数据融合识别对于提升空间目标识别性能意义重大，拥有广阔的应用前景。
[0003]在现有技术中，对空间目标的融合识别主要聚焦在对来源于单一传感器的多维数据进行融合识别，例如仅对雷达观测的一维高分辨距离像和二维高质量ISAR像进行融合识别，或者仅对光学设备观测的一维光谱和二维光学图像进行融合识别。然而，单一传感器对空间目标特性的描述较为局限、片面，对空间目标信息利用不充分，因此在复杂场景下仍然面临识别性能较差的问题。另外，目前的空间目标单一传感器多维数据融合识别方法主要是特征级融合识别和决策级融合识别。特征级融合识别是对空间目标的多维数据先人工参与提取一些基本特征，再通过拼接或求和等运算准则得到更高维度的融合特征，最后进行识别分类。决策级融合识别是在分别对不同维度的数据进行特征提取得到识别结果的基础上，再基于D
‑
S证据理论(Dempster
‑
Shafer
‑
Theory)等人工设计的准则进行分析及运算，得到更准确可靠的识别结果。然而，目前的特征级和决策级融合识别过程均依赖人工参与，在处理复杂场景的空间目标识别任务中面临严峻挑战。综上，对空间目标的多维多域信息进行数据级的融合智能识别是一个亟待解决的难题。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种空间目标多维多域信息数据级融合识别方法，包括以下步骤：
[0005]步骤1，通过对雷达观测设备接收的空间目标宽窄带回波信号分别进行处理，获得空间目标的一维RCS序列、一维高分辨距离像及二维ISAR像；通过对光学观测设备获取的空间目标的被动探测信息分别进行处理，获得空间目标的一维光度序列、一维光谱图像及二维光学图像；
[0006]步骤2，对空间目标ISAR成像时间段对应的一维RCS序列和一维光度序列采用分段聚合近似的方法将序列长度进行大小变换，得到对应的分段聚合近似后的一维RCS序列和
分段聚合近似后的一维光度序列；
[0007]步骤3，对空间目标ISAR成像时间段对应的多个一维高分辨距离像和一维光谱图像进行平均处理得到空间目标的一维高分辨距离像平均像和一维光谱图像平均像；
[0008]步骤4，将经步骤2和3处理后得到的空间目标一维RCS序列、一维光度序列、一维高分辨距离像平均像及一维光谱图像平均像分别经过格拉姆角场转换进行统一建模，变换为对应的类格拉姆矩阵并将其保存为二维灰度图像；
[0009]步骤5，将步骤1中获取的ISAR像、光学图像和经步骤4处理后得到的多幅格拉姆角场变换二维灰度图像进行组合，按照空间目标的类别进行标注，并通过数据增广操作对图像库进行扩充，进而构建空间目标多维多域图像数据集；
[0010]步骤6，根据步骤5中标注构建的空间目标多维多域图像数据集对预先设计好的深度神经网络模型进行训练，得到训练好的空间目标多维多域数据融合智能识别模型；
[0011]步骤7，接收待识别的空间目标多维多域数据，输入到步骤6中训练好的空间目标多维多域数据融合智能识别模型中得到空间目标的分类识别结果。
[0012]进一步地，步骤1具体包括以下步骤为：
[0013]1.1通过ISAR雷达观测系统录取空间目标的宽窄带回波信号，对窄带回波信号进行脉冲压缩处理得到空间目标的一维RCS序列，记为x
rcs,t
；对宽带雷达获取的一维距离向回波信号进行脉冲压缩处理得到空间目标的一维高分辨距离像，记为x
hrrp,t
；对一定时间段内的宽带一维距离向回波信号进行距离
‑
多普勒算法处理得到空间目标的二维ISAR像，记为x
ISAR
；
[0014]1.2通过光学观测系统获得的空间目标被动探测信息，对各光学传感器数据分别进行处理得到空间目标的一维光度序列、一维光谱图像及二维光学图像，分别记为x
phm,t
，x
spect,t
，x
optical
。
[0015]进一步地，步骤2具体包括以下步骤：
[0016]2.1对空间目标ISAR成像时间段对应的一维RCS序列进行大小变换的具体公式为：
[0017][0018]其中t＝1,2,
…
,T代表原始时间序列，l＝1,2,...,N代表分段聚合近似后的时间序列，x
rcs,t
代表原始t时刻的空间目标RCS值，x
rcs,l
代表分段聚合近似后第l段的空间目标平均RCS值；
[0019]2.2对空间目标ISAR成像时间段对应的一维光度序列进行大小变换的具体公式为：
[0020][0021]其中t＝1,2,
…
,T代表原始时间序列，l＝1,2,...,N代表分段聚合近似后的时间序列，x
phm,t
代表原始t时刻的空间目标光度值，x
phm,l
代表分段聚合近似后第l段的空间目标平均光度值。
[0022]进一步地，步骤3具体包括以下步骤：
[0023]3.1对空间目标ISAR成像时间段对应的多个一维高分辨距离像进行平均处理的具体实现公式为：
[0024][0025]其中，x
hrrp,t
代表t时刻的一维高分辨距离像，x
hrrp
代表一维高分辨距离像平均像；
[0026]3.2对空间目标ISAR成像时间段对应的多个一维光谱图像进行平均处理的具体公式为：
[0027][0028]其中，x
spec,t
代表t时刻的一维光谱图像，x
spec
代表一维光谱图像平均像。
[0029]进一步地，步骤4具体包括以下步骤：
[0030]4.1对步骤2和3处理后得到的空间目标一维RCS序列、一维光度序列、一维高分辨距离像平均像及一维光谱图像平均像分别进行缩放，将数据范围缩放到[0,1]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种空间目标多维多域信息数据级融合识别方法，其特征在于，包括以下步骤：步骤1，通过对雷达观测设备接收的空间目标宽窄带回波信号分别进行处理，获得空间目标的一维RCS序列、一维高分辨距离像及二维ISAR像；通过对光学观测设备获取的空间目标的被动探测信息分别进行处理，获得空间目标的一维光度序列、一维光谱图像及二维光学图像；步骤2，对空间目标ISAR成像时间段对应的一维RCS序列和一维光度序列采用分段聚合近似的方法将序列长度进行大小变换，得到对应的分段聚合近似后的一维RCS序列和分段聚合近似后的一维光度序列；步骤3，对空间目标ISAR成像时间段对应的多个一维高分辨距离像和一维光谱图像进行平均处理得到空间目标的一维高分辨距离像平均像和一维光谱图像平均像；步骤4，将经步骤2和3处理后得到的空间目标一维RCS序列、一维光度序列、一维高分辨距离像平均像及一维光谱图像平均像分别经过格拉姆角场转换进行统一建模，变换为对应的类格拉姆矩阵并将其保存为二维灰度图像；步骤5，将步骤1中获取的空间目标的二维ISAR像、二维光学图像和经步骤4处理后得到的多幅格拉姆角场变换二维灰度图像进行组合，按照空间目标的类别进行标注，并通过数据增广操作对图像库进行扩充，进而构建空间目标多维多域图像数据集；步骤6，根据步骤5中标注构建的空间目标多维多域图像数据集对预先设计好的深度神经网络模型进行训练，得到训练好的空间目标多维多域数据融合智能识别模型；步骤7，接收待识别的空间目标多维多域数据，输入到步骤6中训练好的空间目标多维多域数据融合智能识别模型中得到空间目标的分类识别结果。2.根据权利要求1所述的空间目标多维多域信息数据级融合识别方法，其特征在于，步骤1具体包括以下步骤为：1.1通过ISAR雷达观测系统录取空间目标的宽窄带回波信号，对窄带回波信号进行脉冲压缩处理得到空间目标的一维RCS序列，记为x
rcs,t
；对宽带雷达获取的一维距离向回波信号进行脉冲压缩处理得到空间目标的一维高分辨距离像，记为x
hrrp,t
；对一定时间段内的宽带一维距离向回波信号进行距离
‑
多普勒算法处理得到空间目标的二维ISAR像，记为x
ISAR
；1.2通过光学观测系统获得的空间目标被动探测信息，对各光学传感器数据分别进行处理得到空间目标的一维光度序列、一维光谱图像及二维光学图像，分别记为x
phm,t
，x
spect,t
，x
optical
。3.根据权利要求2所述的空间目标多维多域信息数据级融合识别方法，其特征在于，步骤2具体包括以下步骤：2.1对空间目标ISAR成像时间段对应的一维RCS序列进行大小变换的具体公式为：其中t＝1,2,
…
,T代表原始时间序列，l＝1,2,...,N代表分段聚合近似后的时间序列，x
rcs,t
代表原始t时刻的空间目标RCS值，x
rcs,l
代表分段聚合近似后第l段的空间目标平均RCS值；
2.2对空间目标ISAR成像时间段对应的一维光度序列进行大小变换的具体公式为：其中t＝1,2,
…
,T代表原始时间序列，l＝1,2,...,N代表分段聚合近似后的时间序列，x
phm,t
代表原始t时刻的空间目标光度值，x
phm,l
代表分段聚合近似后第l段的空间目标平均光度值。4.根据权利要求3所述的空间目标多维多域信息数据级融合识别方法，其特征在于，步骤3具体包括以下步骤：3.1对空间目标ISAR成像时间段对应的多个一维高分辨距离像进行平均处理的具体实现公式为：其中，x
hrrp,t
代表t时刻的一维高分辨距离像，x
hrrp
代表一维高分辨距离像平均像；3.2对空间目标ISAR成像时间段对应的多个一维光谱图像进行平均处理的具体公式为：其中，x
spec,t
代表t时刻的一维光谱图像，x
spec
代表一维光谱图像平均像。5.根据权利要求4所述的空间目标多维多域信息数据级融合识别方法，其特征在于，步骤4具体包括以下步骤：4.1对步骤2和3处理后得到的空间目标一维RCS序列、一维光度序列、一维高分辨距离像平均像及一维光谱图像平均像分别进行缩放，将数据范围缩放到[0，1]，公式如下：像平均像及一维光谱图像平均像分别进行缩放，将数据范围缩放到[0，1]，公式如下：像平均像及一维光谱图像平均像分别进行缩放，将数据范围缩放到[0，1]，公式如下：像平均像及一维光谱图像平均像分别进行缩放，将数据范...

【专利技术属性】
技术研发人员：吴春晓，程强，张琨，王政翰，
申请(专利权)人：中国电子科技集团公司第十四研究所，
类型：发明
国别省市：