[发明专利]基于置信度评价的微动周期提取方法

权利要求书

1.一种基于置信度评价的微动周期提取方法，其特征在于，包括：

对目标的雷达回波信号进行初步微动周期提取，获得多个待选微动周期；

针对所述多个待选微动周期中每一个，基于该待选微动周期与所述雷达回波信号构建置信度函数，计算该待选微动周期的置信度；

将置信度最大的待选微动周期作为目标的真实微动周期；

其中，所述基于该待选微动周期与所述雷达回波信号构建置信度函数具体为：

确定雷达回波信号序列中采样时间小于该待选微动周期的分量，将所述分量按照其在所述雷达回波信号序列中的顺序进行叠加，形成与该待选微动周期对应的判别序列，根据所述雷达回波信号序列与所述判别序列构建与该待选微动周期对应的置信度函数；其中，所述雷达回波信号序列与所述判别序列分量总数相同；

所述判别序列通过如下步骤形成：

针对雷达回波信号序列x(n)＝[x₁,x₂...x_N]及待选微动周期T_m，确定雷达回波信号序列中采样时间小于T_m的所有分量x₁,x₂...x_k，将所述分量叠加形成分量总数为N的判别序列X_Tm＝[x₁,x₂...x_k,x₁,x₂...x_k...]；

其中，m为T_m在待选微动周期集合中的序号，待选微动周期集合中的元素按照周期值从小到大的顺序排列；n、k为正整数，1≤n≤N，1≤k≤N，N为雷达回波信号序列分量总数；

所述根据所述雷达回波信号序列与所述判别序列构建与该待选微动周期对应的置信度函数具体为：根据公式1构建置信度函数：

其中，γ_T(m)为T_m的置信度，X_Tm(n+m)表示判别序列X_Tm中序号n+m对应的序列值。

2.如权利要求1所述的方法，其特征在于，在计算每一待选微动周期的置信度之后，所述方法还包括：将所述置信度与预设的置信阈值进行比较，将置信度小于置信阈值的待选微动周期舍弃，将置信度最大、且大于或等于置信阈值的待选微动周期作为目标的真实微动周期。

3.如权利要求2所述的方法，其特征在于，所述对目标的雷达回波信号进行初步微动周期提取具体为：采用循环自相关法对目标的雷达回波信号进行初步微动周期提取，得到与所述雷达回波信号对应的待选微动周期集合。

4.如权利要求3所述的方法，其特征在于，在所述对目标的雷达回波信号进行初步微动周期提取之前，所述方法还包括：

分别判断不同目标的雷达回波信号的起伏程度，对起伏程度大于预设阈值的目标进行初步微动周期提取。

5.如权利要求4所述的方法，其特征在于，所述分别判断不同目标的雷达回波信号的起伏程度具体为：

针对每一目标，构造其雷达回波信号的自相关矩阵；对所述自相关矩阵进行特征分解，得到所述自相关矩阵的特征值；

计算每一目标的特征值熵，对特征值熵大于预设熵阈值的目标进行初步微动周期提取，将特征值熵小于或等于预设熵阈值的目标舍弃。

6.如权利要求5所述的方法，其特征在于，所述计算每一目标的特征值熵具体为：根据公式2计算每一目标的特征值熵：

其中，E_x为特征值熵，i为特征值，p(i)为雷达回波信号取模后归一化的信号序列。

7.如权利要求6所述的方法，其特征在于，在得到特征值之后，计算特征值熵之前，所述方法还包括：

对于每一目标，将其相应的特征值从大到小排列，选取在前的、预定数目的特征值用于特征值熵的计算。