[发明专利]基于FA模型的强噪声背景下雷达距离像统计识别方法

权利要求书

1.一种基于FA模型的强噪声背景下雷达距离像统计识别方法，包括

A.训练步骤：

(A1)按照目标所在的方位将目标的所有高信噪比环境下获得的一维高分 距离像HRRP回波数据划分成多个数据段，每段称为一帧；

(A2)将各帧内的HRRP回波数据平移对齐；

(A3)将各帧内所有平移对齐后的HRRP数据进行强度归一化；

(A4)分别对各个帧内强度归一化后的数据建立一个FA模型，求取模型参 数均值噪声协方差阵加载矩阵利用Jacobi算法联合对角化和分别为和其中Q_jk是列正交矩阵，和 是对角矩阵，并保存为模板TFA={m‾jk+,Λ‾ψ,jk+,Λ‾A,jk+,Qjk,A‾jk+,ψ‾jk+}j=1,k=1C,Kj,]]>j＝1，2，…，C，C是总的目标类别数，k＝1，2，…，K_j，K_j是第j类目标的总的方 位帧数目；

B.测试步骤

(B1)对需要测试的样本进行强度归一化，得到归一化后的测试样本

(B2)将归一化后的测试样本分别与各类目标模板中的均值向量平 移对齐，得到对齐后的测试样本j＝1，2，…，C，k＝1，2，…，K_j；

(B3)估计待测试样本的信噪比范围，对于信噪比大于30dB的测试样本执 行步骤(B4)至(B5)，对于信噪比小于30dB的测试样本执行步骤(B6)至(B11)；

(B4)利用训练过程得到的FA模板，计算测试样本对应于各类目标所有帧 的距离值：

Ffajk(x‾testjk*)=ln|ψ‾jk++A‾jk+A‾jk+T|+(x‾testjk*-m‾jk+)T(ψ‾jk++A‾jk+A‾jk+T)-1(x‾testjk*-m‾jk+)]]>

其中，噪声协方差阵加载矩阵为FA模型训练阶段存储模板 参数；

(B5)找出步骤(B4)计算出的距离值中最小的一个，若该距离值对应的 模板属于第j类目标，j＝1，2，…，C，则判定测试样本属于第j类目标，测试过程 结束；

(B6)将步骤(B4)中各类目标所有帧的距离值改写为：

其中，表示求取矩阵的迹，q_p，jk是正交矩阵Q_jk的列向量，P_s，jk是j类目标的第k帧的信号能量，分别是j类目标的第k帧高、低信 噪比条件下的噪声能量，D是距离像的维数，d是隐变量的维数，分别是训练阶段存储的模板参数和的第p个元素；

(B7)对步骤(B6)改写后的各帧距离值关于求导数，并令之为零，最 终等价为求解D个一元三次方程：

p＝1，…，D

其中，

z=Ps,jk+Pw,jk-;]]>

(B8)利用卡丹公式求解步骤(B7)中的一元三次方程，并通过判断方程的 根与常用信噪比范围的关系，得到步骤(B6)中的距离值的近似最小 值对应的参数z，把它记为然后利用关系式求得第j类目 标第k帧的第p个距离单元对应的噪声能量：p＝1，…，D；

(B9)求距离值近似最小值对应的低信噪比环境下的噪声能量：

pw,jk-*=Σp=d+1Dpw,(p),jk-*;]]>

(B10)计算测试样本到各类目标所有帧的距离值：

(B11)从步骤(B10)计算出的各类目标所有帧的距离值中找到最小的一个， 若该距离值对应的模板属于第j类目标，j＝1，2，…，C，则判定测试样本属于第j 类目标，测试过程结束。