本发明专利技术公开了一种基于复数AGC模型的噪声背景下雷达目标识别方法，主要解决现有技术在噪声背景下进行目标识别时，无法兼备识别率高和运算量小的问题。其实现步骤是：使用雷达复距离像训练样本求出其方差像，计算雷达复距离像测试样本的信噪比，通过该信噪比修正复距离像训练样本的方差像，通过修正后方差像和复距离像测试样本计算各类别下类后验概率的判决值，确定出目标类别标号。本发明专利技术具有噪声背景下识别率高和运算量小的优点，可用于雷达目标识别。
【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于复数AGC模型的噪声背景下雷达目标识别方法，主要解决现有技术在噪声背景下进行目标识别时，无法兼备识别率高和运算量小的问题。其实现步骤是：使用雷达复距离像训练样本求出其方差像，计算雷达复距离像测试样本的信噪比，通过该信噪比修正复距离像训练样本的方差像，通过修正后方差像和复距离像测试样本计算各类别下类后验概率的判决值，确定出目标类别标号。本专利技术具有噪声背景下识别率高和运算量小的优点，可用于雷达目标识别。【专利说明】基于复数AGC模型的噪声背景下雷达目标识别方法
本专利技术属于雷达
，涉及目标识别方法，可用于对噪声背景下飞机、车辆等目标进行识别。
技术介绍
高分辨距离像是宽带雷达信号的目标散射点回波在雷达射线方向上投影的向量和，可以提供目标散射点回波在距离方向的大概分布情况，对目标的识别具有重要价值，因而成为雷达目标识别领域研究的热点。基于统计模型的识别方法是一种重要的雷达高分辨距离像自动目标识别方法。一维高分辨距离像的统计识别是指根据测试样本在各类别下的类后验概率的大小确定该测试样本的类别归属的识别方法。相关文献中提出了利用多种统计建模进行目标识别的方法，这些模型包括自适应 高斯AGC模型、主分量分析PCA联合高斯模型、概率主分量分析PPCA联合高斯模型和因子分析FA联合高斯模型等。其中自适应高斯AGC模型假设距离像各距离单元相互独立且服从高斯分布，通过训练样本的平均像和方差像建立统计模型，根据测试样本在各类别下的类后验概率的大小最终确定目标类别标号。通常情况下，使用高信噪比条件下的训练样本建立自适应高斯AGC模型，当测试样本的信噪比也很高时，测试样本与训练样本的噪声分量匹配，这时的识别效果较好。然而在实际应用环境中，受到目标距离雷达远近等诸多因素的影响，测试样本的信噪比很低，噪声部分不能被忽略，测试样本与训练样本的噪声分量失配，影响识别效果。相关文献提出了两种基于自适应高斯AGC模型的噪声背景下距离像识别方法:第一种方法是在实距离像训练样本的方差像上直接加噪声方差，称之为基于近似解修正的噪声稳健识别方法，该方法运算小，但识别率较差；第二种方法是建立高斯模型，分别修正实距离像训练样本的平均像和方差像，称之为基于高斯模型的噪声稳健识别方法，该方法识别率较好，但运算量较大。
技术实现思路
本专利技术的目的在于:提供一种基于复数AGC模型的噪声背景下雷达目标识别方法，以解决上述已有技术的在噪声背景条件下无法兼备识别率高和运算量小的不足。实现本专利技术的基本思路是:使用复距离像训练样本求出其方差像，通过估计出的复距离像测试样本的信噪比修正复距离像训练样本的方差像，通过修正后方差像和复距离像测试样本计算各类别下的类后验概率的判决值，确定出目标类别标号。具体步骤包括如下:(I)将高信噪比条件下获得的多类目标的雷达距离像回波数据作为复距离像训练样本集x={x1;x2，…，X。，..XE}，其中X。是第C类目标的复距离像训练样本，c=l，2，…，E，E表示目标总类别数；(2)计算模值平均像和方差像:2a)将第c类目标复距离像训练样本X。分为F帧，计算第c类模值平均像Hic=Imcl,mc2,…，mck，…mcF}和方差像【权利要求】1.一种基于复数AGC模型的噪声背景下雷达目标识别方法，包括如下步骤: (1)将高信噪比条件下获得的多类目标的雷达距离像回波数据作为复距离像训练样本集X={X1;X2，…，X。，…XE}，其中X。是第C类目标的复距离像训练样本，c=l，2，…，E，E表示目标总类别数； (2)计算模值平均像和方差像: 2a)将第c类目标复距离像训练样本X。分为F帧，计算第c类模值平均像Hic=Imca,mc2,…，mck，…mcF}和方差像 2.根据权利要求1所述的方法，其中步骤6a)所述的采用滑动相关对齐法将测试样本I'与第c类目标的模值平均像m。对齐，得到对齐后的测试样本y。'，按如下步骤进行: 6al)计算平移值 【文档编号】G01S7/41GK103454623SQ201310405038【公开日】2013年12月18日 申请日期:2013年9月8日 优先权日:2013年9月8日 【专利技术者】杜兰, 袁希望, 王鹏辉, 和华, 刘宏伟 申请人:西安电子科技大学本文档来自技高网...
【技术保护点】
一种基于复数AGC模型的噪声背景下雷达目标识别方法，包括如下步骤：(1)将高信噪比条件下获得的多类目标的雷达距离像回波数据作为复距离像训练样本集X={X1，X2，…，Xc，…XE}，其中Xc是第c类目标的复距离像训练样本，c=1，2，…，E，E表示目标总类别数；(2)计算模值平均像和方差像：2a)将第c类目标复距离像训练样本Xc分为F帧，计算第c类模值平均像mc={mc1，mc2，…，mck，…mcF}和方差像∑c={∑c1，∑c2，…，∑ck，…∑cF}，其中mck为第c类第k帧模值平均像，∑ck为第c类第k帧方差像，k=1，2，…，F，F表示样本帧数；2b)重复步骤2a)共E次得到所有类模值平均像m={m1，m2，…，mc，…mE}和方差像∑={∑1，∑2，…，∑c，…∑E}，c=1，2，…，E；(3)将雷达系统获取到的某个未知目标的距离像回波作为测试目标距离像样本y，计算该测试目标距离像样本y的信噪比R：R=10log10||y||2Dσn2,其中，为测试目标距离像样本2?范数的平方，D为距离像样本的维度，σn2为雷达接收机噪声功率；(4)采用2?范数强度归一化方法归一化测试目标距离像样本，得到归一化后后的测试样本y′=y1+10-R10||y||;(5)根据信噪比R修正方差像：5a)计算第c类修正后方差像：Σ′c={Σc1+10-R10DID,Σc2+10-R10DID,···,Σck+10-R10DID,···,ΣcF+10-R10DID},其中ID为D维单位阵；5b)重复步骤5a)共E次，得到所有类修正后方差像，c=1，2，…，E；(6)求判决值：6a)采用滑动相关对齐法将测试样本y′与第c类目标的模值平均像mc对齐，得到对齐后的测试样本yc′，并求出第c类目标判决值：其中表示求矩阵行列式的对数，(·)?1表示矩阵求逆，(·)H表示矩阵的共轭转置；6b)重复步骤6a)共E次，得到所有类判决值d={d1，d2，…，dc，…dE}，c=1，2，…，E；(7)取所有类判决值d中的最小值，将该最小值所对应的类别标号作为目标类别标号。FDA0000378910020000014.jpg,FDA0000378910020000022.jpg,FDA0000378910020000021.jpg,FDA0000378910020000023.jpg...
【技术特征摘要】
【专利技术属性】
技术研发人员：杜兰，袁希望，王鹏辉，和华，刘宏伟，
申请(专利权)人：西安电子科技大学，
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。