[发明专利]基于最近邻一类分类器的雷达分布式地面目标鉴别方法

说明书

技术领域

本发明属于雷达技术领域，涉及目标的检测与鉴别方法，可用于基于雷达宽带回波的地面分布式目标鉴别。

背景技术

自二十世纪六十年代以来，随着雷达技术的迅速发展，雷达系统已经被广泛应用于军事和民用等众多领域。按照雷达发射信号瞬时带宽的宽窄，雷达大致可以分为窄带雷达和宽带雷达。通常所说的宽带雷达是指雷达发射信号的绝对带宽较大。传统窄带雷达的主要功能是对目标进行定位和探测，随着雷达技术的应用愈加广泛，人们期望获得更多关于目标的信息。与传统窄带雷达相比，宽带雷达具有以下优势：

一是具有更高的距离分辨率，从而提高了雷达对目标的测量精度；

二是可以获得更加精细的目标结构信息；

三是具有低截获性、抗杂波能力强等优点。

宽带雷达具有较高的距离分辨率，目标在雷达视线方向上的多个散射点分布在不同的距离单元内，形成分布式目标。宽带雷达一维回波可以看作是目标各散射点的子回波在雷达视线上投影的矢量和，可以提供目标散射点沿距离维的分布情况和各散射点的强度信息，对目标的进一步识别具有非常重要的价值。

目标鉴别属于目标检测和目标识别的中间阶段，本质上是一个两类模式识别问题，其主要目的是对回波中检测得到的潜在目标区域进行进一步处理，以去除自然杂波虚警和部分人造杂波虚警，从而减小目标分类识别阶段的代价。作为目标识别过程中承前启后的重要阶段，目标鉴别性能的好坏将直接影响最终目标识别的性能。目前针对宽带雷达一维回波下地面目标识别的研究多集中在检测和识别两个阶段，对鉴别阶段的研究很少有涉及。对于宽带雷达一维回波的目标识别，训练阶段中首先选取多类目标的宽带雷达一维回波样本作为训练样本，然后利用主成分分析PCA、线性判别分析LDA等特征提取方法从训练样本中提取特征向量，接着构造支撑向量机SVM、自适应高斯分类器AGC、贝叶斯分类器等多类分类器对从训练样本中提取的特征向量进行训练；测试阶段中提取测试样本的特征向量后利用多类分类器对目标样本进行分类，得到目标的具体类别信息和其他特性信息，从而达到目标识别的目的。由于虚警导致检测后的结果存在非目标样本，如果检测后直接进行目标识别，一方面训练样本中可能存在非目标样本，降低最终的目标识别性能，另一方面目标识别阶段的运算量很大，存在过多非目标样本会引起大量不必要的运算资源浪费，加大识别阶段所需的代价。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于最近邻一类分类器的雷达分布式地面目标鉴别方法，以在进行目标识别前进行目标鉴别，改善目标识别的性能，减少目标识别阶段不必要的运算。

本发明是这样实现的：

一.技术思路

宽带雷达具有较高的距离分辨率，目标在雷达视线方向上的多个散射点分布在不同的距离单元内，不同目标的散射点的强度与相对位置不同。本发明利用恒虚警检测器提取出雷达宽带回波中较强散射点的强度与相对位置信息，结合可以表示两个点集之间距离的Hausdorff距离，利用最近邻一类分类器区分目标与非目标，从而达到鉴别目标的目的。

二.技术方案

根据上述思路，本发明的实现步骤如下：

(1)训练步骤

(1a)对录取的雷达一维回波信号r_m0进行2-范数归一化，得到归一化后的回波信号其中||||₂表示2-范数，m＝1,…,M，M为回波样本总数；

(1b)对归一化后的回波信号r_m进行恒虚警检测，得到检测后的处理结果r′_m；

(1c)从检测后的处理结果r′_m中截取L个距离单元，并对截取单元进行质心对齐，再从M个对齐后的截取单元中选取含有真实目标的n个截取单元，作为训练样本x_i，其中i＝1,…,n，n为训练样本总数；