[发明专利]基于时域相关性特征的飞机目标分类方法

说明书

技术领域

本发明属于雷达技术领域，涉及雷达信号的分类方法，尤其涉及一种基于时域相关性特征的飞机目标分类方法。

背景技术

在现代战争中，直升机承担着炮火校正、侦查、空降敌后和机动转移等重要任务，螺旋桨飞机的主要使命是夺取低空、超低空控制权，喷气式飞机具有很高的飞行高度、飞行速度和机动性能，能在空中以极快的速度厮杀。三类飞机在战场上起着各自重要的作用，因此，实现三类飞机分类具有重大意义。

目前为止，相关文献提取特征的过程主要都是在多普勒域和特征谱域进行的；在多普勒域提取的特征主要能反映三类飞机谱宽以及谱线数目的差异,但在脉冲重频较低的时候，多普勒域混叠，易导致分类正确率下降；而在特征谱域提取的特征主要是利用了特征谱散布程度的差异，实现三类飞机的分类，但由于需要进行特征值分解的计算，存在计算量较大的问题，特征提取过程所需时间较长。飞机的旋转部件会对其时域信号会进行周期性的调制，实际情况中，由于三类飞机桨叶数目、长度、旋翼旋转速度不同，三类飞机的调制周期也会有较大的差异，可用来实现分类；但目前还没有能够反映时域信号周期性差异的有效的时域特征提取方法。

发明内容

针对现有技术中特征提取方法的缺点，提出了基于时域相关性特征的飞机目标分类方法，该方法实现了在驻留时间较长，脉冲重频较低时，多普勒域多普勒谱出现混叠，多普勒域特征的可分性下降的情况下，仍达到较好分类效果的目的，并且相比于现有技术基于特征谱散布特征的四维特征提取方法，本发明还具有计算速度快的优势。

为达到上述目的，本发明采用以下技术方案予以实现。

一种基于雷达时域相关性特征的飞机目标分类方法，其特征在于，包括以下步骤：

步骤1，雷达接收M次飞机目标的时域回波信号，对接收的第m次的飞机目标的时域回波信号进行归一化处理，将归一化后的第m次的飞机目标的时域回波信号作为第m个训练样本，共得到M个训练样本，其中，m＝1,2,...,M，M表示训练样本总数目；

计算第m个训练样本的峰值函数peak_m(k),k表示时域平移变量，k＝1,2,......,fix(N/2)，N为时域总点数，其中fix表示朝零取整操作；

步骤2，确定第m个训练样本峰值函数peak_m(k)的方差feature1_m，确定第m个训练样本峰值函数peak_m(k)的熵feature2_m；

求取第m个训练样本的峰值函数peak_m(k)的最大值peak_max_m；

设定第一峰值系数η₁、第二峰值系数η₂，并且η₁小于η₂；

将第一峰值系数η₁与第m个训练样本的峰值函数peak_m(k)的最大值peak_max_m的乘积作为第m个训练样本的训练第一峰值门限；统计第m个训练样本的峰值函数peak_m(k)中大于第m个训练样本的训练第一峰值门限的峰的个数feature3_m；

设定第二峰值系数η₂与第m个训练样本峰值函数的最大值peak_max_m的乘积作为第m个训练样本的训练第二峰值门限；统计第m个训练样本的峰值函数peak_m(k)中依次大于第m个训练样本的训练第二峰值门限的峰，按照时域点顺序确定第一个大于第m个训练样本的训练第二峰值门限的峰对应的时域点feature4_m；

步骤3，求取第m个训练样本的幅值方差feature5_m和第m个训练样本的幅值熵feature6_m；