【技术实现步骤摘要】
本专利技术属于雷达信号处理与目标识别，具体涉及一种低信噪比环境下的gtd模型参数估计方法。
技术介绍
1、gtd模型参数估计是一种利用雷达目标回波数据来重构目标散射中心参数的方法，它对于雷达目标识别、成像、反隐身等应用具有重要意义。gtd模型参数估计方法可以追溯到上世纪八十年代，当时一些学者提出了利用多重信号分类(multiple signalclassification，music)算法从雷达目标回波数据中快速有效地提取目标的散射特征，其中包括散射中心的位置，散射强度和目标散射类型。随着信号处理技术的发展，gtd参数估计方法可以被分为两大类，一类是由music，旋转不变技术(esprit)，geese为代表的谱估计方法，另一类是稀疏成分分析方法，例如：正交匹配追踪算法，稀疏贝叶斯学习方法等。与稀疏成分分析法相比，谱估计方法实现简单，计算复杂度低耗时短，但是谱估计方法的gtd参数估计结果也易受到噪声的影响。因此，在低信噪比环境下，应用谱估计方法得到的gtd模型参数估计结果精度较低，无法精确的反演雷达目标的电磁散射特性。所以提高低信噪比情形下的gtd模型参数的估计精度，进而高精度的获得目标的形状和结构信息，对于雷达目标的探测、跟踪和识别都有重要的作用。
2、图1所示为传统geese算法的gtd模型参数估计流程图，计算过程如下：
3、1)首先输入单脉冲的目标雷达回波数据y(n)，n＝1,2,...,n，一共有n个采样点,频率范围为：fn＝f0+n·△f，n＝0,1,2,...,n-1。其中f0为起始频率，△f
4、2)基于目标雷达回波数据构建hankel矩阵h1,l＝n/3：
5、
6、3)计算hankel矩阵h的自相关矩阵r＝h1h·h1/n,h表示共轭转置运算；
7、4)对r进行特征值分解，取其中m个特征值对应的特征向量构成信号子空间s，m为强散射点的个数。然后按构造矩阵束[s1,s2],取矩阵s的第一行到第l行为s1。第二行到第l+1行为s2。
8、5)求矩阵束[s1,s2]的广义特征值zm,m＝1,2...m，基于广义特征值与gtd模型极点成倒数关系，gtd模型的极点为：
9、6)基于gtd模型的极点值γm，估计gtd模型参数散射点相对距离r与散射类型参数a。c表示光速。如下所示：
10、am＝(|γm|-1)·f0/△f
11、rm＝-angle(γm)·c/4π△f
12、7)在已知参数rm和am的情况下，利用最小二乘法对gtd散射强度参数am进行估计：
13、am＝(php)-1phy
14、其中矩阵p为：
15、
16、由上述计算过程可知，geese算法利用单个脉冲的目标回波数据，通过求解信号子空间特征向量的广义特征值来确定gtd模型的极点值，从而解算得到gtd模型的参数。由于信号子空间特征向量的广义特征值易受到随机噪声的影响，从而使得gtd模型极点的估计在低信噪比情形下的估计精度不高。
技术实现思路
1、针对上述问题，为了提高低信噪比下gtd模型参数的估计精度，本专利技术基于geese算法提出了一种gtd模型参数估计改进方法，可以提高geese算法在低信噪比环境下gtd模型参数的估计精度。。
2、本专利技术的技术方案为：
3、一种低信噪比环境下的gtd模型参数估计方法，包括以下步骤：
4、s1、在相同数据采样率下，获取n个脉冲的雷达目标回波数据；
5、s2、基于geese算法，对每个脉冲的雷达目标回波数据进行处理，从而提取gtd模型的极点值；
6、s3、利用dbscan算法对n个脉冲回波数据的gtd模型极点值进行聚类分析，通过聚类分析将由噪声引起的虚假极点值剔除，得到n个脉冲回波数据的gtd模型极点值聚类结果；
7、s4、对得到的gtd模型极点值聚类结果分别取平均，并利用平均后的gtd模型的极点值来估计gtd模型参数中的相对距离参数和散射类型参数；
8、s5、利用最小二乘法估计gtd模型的散射强度参数。
9、上述方案综合处理了多个脉冲的雷达回波数据，每个脉冲的雷达回波数据中均包含了目标的散射特性，因此代表目标散射特性的极点值在聚类处理中呈现聚类特性，同时由噪声引起的虚假极点值会因为随机特性无法聚类而被聚类算法剔除，从而提高了在低信噪比环境下gtd模型参数的估计精度。
10、进一步的，步骤s3中通过聚类分析将由噪声引起的虚假极点值剔除的具体方法是，基于代表目标散射特性的极点值在聚类处理中呈现聚类特性，而由噪声引起的虚假极点值会呈现随机特性，从而通过设定阈值将虚假极点值剔除。
11、本专利技术的有益效果为，本专利技术可以得到更加精确的目标gtd模型极点值，从而提高低信噪比环境下的gtd模型参数的估计精度。
本文档来自技高网...【技术保护点】
1.一种低信噪比环境下的GTD模型参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种低信噪比环境下的GTD模型参数估计方法，其特征在于，步骤S3中通过聚类分析将由噪声引起的虚假极点值剔除的具体方法是，基于代表目标散射特性的极点值在聚类处理中呈现聚类特性，而由噪声引起的虚假极点值会呈现随机特性，从而通过设定阈值将虚假极点值剔除。
【技术特征摘要】
1.一种低信噪比环境下的gtd模型参数估计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种低信噪比环境下的gtd模型参数估计方法，其特征在于，步骤s3中通...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。