[发明专利]一种基于机器学习的雷达目标定位方法

说明书

本申请公开了一种基于机器学习的雷达目标定位方法。所述方法的一具体实施方式包括：对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号进行距离向脉压等处理，得到干涉相位矩阵，将干涉相位矩阵中每个距离单元对应的干涉相位矢量依次输入神经网络，即得到每个距离单元是否存在运动目标及运动目标的方位位置x₀。该实施方式避免了传统沿航迹干涉ATI方法复杂的方位脉压、径向速度估计等过程及其所面临的相位模糊问题，从而解决了以上过程中误差累积导致的运动目标定位精度下降问题，该实施方式具有较高的运动目标定位精度和较少的用时，可以满足高实时性和高定位精度要求。

技术领域

本申请涉及信号处理技术领域，具体涉及雷达目标检测和识别领域，尤其涉及一种基于机器学习的雷达目标定位方法，该方法可用于雷达动目标检测、动目标定位与跟踪等。

背景技术

现有雷达系统基于较为严格的理论模型和传统的信号处理手段，主要存在以下问题：(1)复杂环境建模困难，系统误差累积，高稳健性难以实现；(2)线性周期处理方式(如傅里叶变换等)，解模糊(距离模糊、多普勒模糊、相位模糊、速度模糊等)需要复杂的运算和昂贵的硬件成本；(3)雷达系统复杂，通用性差、可移植性较弱，升级改造周期长。

近年来，随着大数据和计算能力的提升，又掀起了以机器学习、深度学习为代表的人工智能浪潮。利用机器学习技术，将雷达处理过程等效为“黑盒”，通过训练神经网络，直接构建原始回波数据或距离脉压域数据与输出信息的非线性关系，可实现以下功能：(1)利用包含环境和系统误差的数据进行训练，提高系统稳健性；(2)非线性处理解模糊；(3)系统架构呈现模块化，可移植性强、可实现快速升级。因此，研究基于机器学习的雷达目标定位方法具有重要意义。

发明内容

本申请的目的在于针对上述已有技术的不足，提出一种基于机器学习的雷达目标定位方法，以提高系统实现的稳健性和快速移植能力。

本申请提供了一种基于机器学习的雷达目标定位方法，所述方法包括：对利用沿航迹双通道合成孔径雷达SAR接收的目标回波信号和进行距离向脉压处理，得到双通道距离脉压域信号和其中，为快时间，t_m为慢时间，R₀为目标到雷达平台运行轨道的最近距离，x₀为所述目标在t_m＝0时刻相对于所述雷达平台的方位位置；将所述双通道距离脉压域信号和进行共轭相乘，得到干涉矩阵其中，是的共轭矩阵；对所述干涉矩阵进行取相位操作，计算得到干涉相位矩阵其中，angle[·]表示取相位操作；将所述干涉相位矩阵中每个距离单元对应的干涉相位矢量依次输入神经网络，得到对应距离单元的目标运动属性值M和所述目标相对于所述雷达平台的方位位置x₀，即得到每个距离单元是否存在运动目标及运动目标的方位位置。

在一些实施例中，所述基于机器学习的雷达目标定位方法，还包括：预先构建并训练基于误差后向传播BP的所述神经网络。

在一些实施例中，所述预先构建并训练基于误差后向传播BP的所述神经网络，包括如下步骤：

(1)设定目标的目标参数(x₀,R₀,v_r,v_a)和沿航迹双通道合成孔径雷达SAR的系统参数，其中，所述目标是指用于训练所述神经网络的目标，包含运动目标和静止目标，R₀为所述目标到雷达平台运行轨道的最近距离，x₀为所述目标在t_m＝0时刻相对于所述雷达平台的方位位置，t_m为慢时间，v_r和v_a分别为所述目标的径向速度和方位向速度；

(2)根据所述目标参数和所述系统参数，生成所述目标的距离脉压域的双通道仿真信号和并计算目标运动属性值，其中，为快时间，如果所述目标的径向速度v_r和方位向速度v_a同时为零，则设所述目标运动属性值M＝0，否则，设置M＝1；