[发明专利]一种基于机器学习的MIMO雷达的材料识别方法

权利要求书

1.一种基于机器学习的MIMO雷达的材料识别方法，其特征在于，包括以下步骤：

步骤1、用MIMO雷达中的X个天线对采集m1种样本材料回波信号，从所采集到的回波信号中截取Y分钟回波信号Sig，对Sig进行特征提取，得出特征参数，所述特征参数包括：所有天线对的回波信号的平均包络chan_mean、每个天线对的回波信号包络平均值data_sel_mean、回波信号包络的全局最大值al_max、全局最小值al_min、全局平均值al_mean和全局均方根al_rms；之后按照所采集的材料对所提取的相应特征进行标记，建立MIMO雷达特征数据库D；

步骤2、在保证每个集中各个材料比例一致的前提下，将步骤1得到的MIMO雷达数据库D划分成两个互斥的集合，其中一个集合为训练集S，另一个为交叉检验集CV；

步骤3、使用训练集S通过训练监督型机器学习算法来建立不同材料和特征参数之间的材料识别映射模型M1；

步骤4、使用交叉检验组CV对材料识别映射模型M1进行进一步调参优化，得到材料识别映射模型M；

步骤5、对待测材料进行判别，具体是截取Y分钟回波信号，进行特征提取，将提取到的特征输入到材料识别映射模型M中，得到判别结果。

2.根据权利要求1所述的基于机器学习的MIMO雷达的材料识别方法，其特征在于，步骤1用MIMO雷达中的X个天线采集样本材料回波信号，从所采集到的回波信号中截取Y分钟回波信号进行特征提取，得出特征参数，具体为：

步骤1-1、提取MIMO雷达的X个天线对的信号回波的平均包络chan_mean，具体为：第at_i个天线对获得的回波信号为Sig(at_i，num_t)，at_i＝1，2，…，X，num_t为时间变量；对其进行采样，得到的信号表示为Sig(at_i，num_i)，其中num_i＝1，2，…num，num为信号采样点数；对Sig(at_i，num_i)进行希尔伯特变换，得到第at_i个天线对的信号回波包络Env(at_i，num_i)；得到所有天线对的信号回波包络后，将Env(at_i，num_i)对at_i求平均，得到回波信号平均包络chan_mean(num_i)，其中num_i＝1，2，…num,即chan_mean为num维向量；

步骤1-2、提取每个天线对的材料信号回波包络平均值data_sel_mean，具体为：第at_i个天线对获得的回波信号为Sig(at_i，num_t)，at_i＝1，2，…，X，num_t为时间变量；对其进行采样，得到的信号表示为Sig(at_i，num_i)，其中num_i＝1，2，…num，num为信号采样点数；对Sig(at_i，num_i)进行希尔伯特变换，得到第at_i个天线对的信号回波包络Env(at_i，num_i)；将第at_i个天线对的信号回波包络Env(at_i，num_i)对num_i进行平均，得到该天线对的回波信号包络平均值data_sel_mean(at_i)，其中at_i＝1，2，…，X，即data_sel_mean为X维向量；

步骤1-3、提取信号回波包络的全局最大值al_max，具体为：在MIMO雷达的所有天线对的信号回波包络Env(at_i，num_i)中寻找最大值，at_i＝1，2，…，X，num_i＝1，2，…num，得到信号回波包络全局最大值al_max；

步骤1-4、提取信号回波包络的全局最小值al_min，具体为：在MIMO雷达所有天线对的信号回波包络Env(at_i，num_i)中寻找最小值，at_i＝1，2，…，X，num_i＝1，2，…num，得到信号回波包络全局最小值al_min；

步骤1-5、提取信号回波包络的全局平均值al_mean，具体为：将data_sel_mean(at_i)对at_i求平均，得到信号回波包络全局平均值al_mean；

步骤1-6、提取信号回波包络的全局均方根al_rms，具体为：对MIMO雷达所有天线对信号回波包络Env(at_i，num_i)进行均方根运算，at_i＝1，2，…，X，num_i＝1，2，…num，得到所有天线对信号回波包络的全局均方根al_rms。