【技术实现步骤摘要】
本专利技术涉及一种海面目标识别方法，具体说是一种雷达凝视模式下的海面目标识别方法，属于雷达信号处理。
技术介绍
1、雷达对海探测时，对海面目标的准确识别分类，确定其具体类别、用途和威胁等级，在民用领域和军事领域都具有重要意义。常见的海面漂浮目标如小渔船、浮标、浮冰等。传统的雷达目标识别方法基于目标的一维距离像特征，当雷达波束沿船舷侧照射时，此类目标与大型游轮、货轮等舰船目标具有相似的一维距离像特性，严重影响识别性能。此外，当雷达分辨率下降或目标的信杂比（scr）较低时，依赖目标的幅度特征的识别方法准确率严重下降。
技术实现思路
1、本专利技术的目的在于解决现有技术中雷达目标识别方法基于目标的一维距离像特征准确率低的不足，提供一种雷达凝视模式下的海面目标识别方法，该方法利用目标瞬态功率水平与带宽变化的周期一致性区分漂浮目标与舰船目标。
2、从目标与海面的耦合机理出发，挖掘凝视模式下舰船目标与海面漂浮目标的差异，构造能够描述二者差异的统计量，能够有效解决上述问题。显然，漂浮目标质量分布均匀且密度小，在凝视条件下，与海浪的耦合程度高，随海浪上下波动的周期性明显；舰船目标尺寸较大且结构复杂，自身运动或结构不均匀造成散射点的分布不稳定，与海浪的耦合程度低，参数的周期性不明显。因此，海杂波存在的瞬态功率与质心处带宽的周期一致性的对应关系在海面漂浮目标上展现的更明显。
3、为了解决上述问题，本申请是通过以下技术方案实现的：
4、一种雷达凝视模式下的海面目标识别
5、步骤1、回波数据采集，获得目标所在的距离单元；
6、步骤2、根据步骤1得到的目标所在的距离单元进行回波数据时域处理及时域特征提取；
7、步骤3、回波数据频域特征提取：在每一个数据段内，计算每段数据的傅里叶变换fft，得到该段数据的多普勒谱，使用非参数化的方法求得每个数据段中对应的多普勒频谱的质心序列以及质心处的均方根带宽序列bw；
8、步骤4、构建特征序列：赋予每一个特征向量标签值，将步骤2中获得瞬态回波功率水平序列和步骤3中获得的质心处的均方根带宽序列进行归一划处理得到特征序列，将特征序列划分为训练集和测试集；
9、步骤5、优化并训练分类器：优化svm分类器的参数并进行训练得到一个最优的分类器模型；
10、步骤6、目标识别：将待识别数据输入步骤5训练好的分类器模型中实现舰船目标与漂浮目标的识别。
11、进一步地，所述步骤1具体如下：对海探测雷达对海面目标进行扫描探测，探测到目标后，固定角度对目标进行凝视观测，雷达接收机接收目标回波信号，凝视模式下的回波数据集记为，
12、式中：为雷达采集数据的帧数，，表示第帧数据中维度为的时域回波数据，表示每一帧中包含的脉冲的个数，表示凝视场景中距离单元的个数；
13、对于运动目标出现距离单元走动的情况，逐帧使用非相参累计对距离单元对齐：
14、，，
15、即为第帧数据中目标所在的距离单元。
16、进一步地，所述步骤2具体如下：设定每段数据包含的脉冲数以及临近数据段的重叠率，选定目标所在距离单元，沿时间维度截取雷达回波；
17、在每个数据段内，对段内数据进行滑窗处理，去除散斑分量，计算该段数据的瞬态回波功率水平序列：，
18、式中：为第个采样点的复值，表示第个数据段的回波瞬态功率水平序列，表示单个数据段的长度。
19、进一步地，所述步骤3具体计算方法如下：
20、步骤3.1、计算模每段数据的频谱函数：对每段数据选取合适的fft点数，计算短时功率谱，求得每段数据的频谱函数：
21、，
22、式中：表示第个数据段的短时功率谱，为了消除距离旁瓣对频率能量的影响，需要在时域进行加窗处理，表示时域窗函数，表示第个数据段的雷达回波数据，exp表示以自然常数e为底的指数函数，n表示采样点，t表示雷达的脉冲重复频率，表示频点的序号，表示第个频点；
23、步骤3.2、计算多普勒质心序列和质心处带宽序列：采用现代信号谱分析中的非参数化方法求取目标的多普勒质心序列及质心处的均方根带宽序列：
24、，，
25、式中：表示单个数据段的长度，表示频率，表示短时多普勒谱，表示第个数据段短时多普勒谱的功率水平，即：；
26、式中：表示第个数据段的短时功率谱。
27、进一步地，所述步骤4具体包括以下步骤：
28、步骤4.1、对瞬态回波功率水平进行归一化处理：，
29、式中：表示取最大值操作，表示目标归一化后时域回波瞬态功率水平序列的列向量；
30、步骤4.2、对质心处的均方根带宽序列进行归一化处理：
31、，
32、式中：表示取最大值操作，表示目标归一化后质心处带宽序列构成的列向量；
33、步骤4.3、将步骤4.1归一化后时域回波瞬态功率水平序列的列向量和步骤4.2归一化后质心处带宽序列构成的列向量构成特征序列，训练集和测试集数据长度的比例为3：1，训练集表示为：。
34、进一步地，所述步骤5具体如下：
35、采用训练集中的数据，用循环迭代的方法对svm分类器中的超参数进行寻优，包含惩罚因子c和rbf核函数参数gamma，两个参数的范围均从最小值2-8开始，最大值28结束，循环步长以指数加一的方式进行，对每一组参数下的模型采用步骤4中的测试集进行五折的交叉验证，选取最优识别效果下的参数，得到分类器模型。
36、本申请的海面目标识别方法，可利用雷达历史数据，提高目标回波信息利用率；不依赖雷达探测视角，适用性强；识别精度高：在秒级观测时间上，该方法对舰船目标和漂浮目标等质量差异较大目标的识别准确度可达90%以上。
本文档来自技高网...【技术保护点】
1.一种雷达凝视模式下的海面目标识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤1具体如下：对海探测雷达对海面目标进行扫描探测，探测到目标后，固定角度对目标进行凝视观测，雷达接收机接收目标回波信号，凝视模式下的回波数据集记为，
3.根据权利要求1或2所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤2具体如下：
4.根据权利要求3所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤3具体计算方法如下：
5.根据权利要求3所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤4具体包括以下步骤：
6.根据权利要求3所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤5具体如下：
【技术特征摘要】
1.一种雷达凝视模式下的海面目标识别方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种雷达凝视模式下的海面目标识别方法，其特征在于：所述步骤1具体如下：对海探测雷达对海面目标进行扫描探测，探测到目标后，固定角度对目标进行凝视观测，雷达接收机接收目标回波信号，凝视模式下的回波数据集记为，
3.根据权利要求1或2所述的一种雷达凝视模式下的海面目标识...
【专利技术属性】
技术研发人员：于恒力，王国庆，曹政，丁昊，刘宁波，柳超，丁自然，赵志成，
申请(专利权)人：中国人民解放军海军航空大学，
类型：发明
国别省市：
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。