[发明专利]基于图像熵特征的调频连续波雷达飞机目标分类方法

权利要求书

1.一种基于图像熵特征的调频连续波雷达飞机目标分类方法，包括：

1)雷达进行m个调频周期的观测，接收飞机目标的回波差频信号，得到时域回波矩阵s＝[s₁,s₂,…,s_i,…,s_m]^T，其中s_i是第i个调频周期的列向量回波，i＝1,2,…,m；

2)将每个周期的时域回波差频信号s_i进行D倍于原信号长度的快速傅里叶变换，得到新的时域回波矩阵：s′＝[s₁′,s₂′,…,s_i′,…,s_m′]^T，其中表示新的时域回波矩阵s′的第i个行向量，表示D倍于原信号长度的快速傅里叶变换，|·|表示取模运算；

3)根据2)中得到的新的时域回波矩阵s′中处于L个距离单元上飞机目标信息，得到图像熵特征：

3a)假设目标所在距离单元时域信息矩阵表示为A＝[a₁,a₂,…,a_j,…,a_L]，其中a_j为新的时域回波矩阵s′中包含目标信息的第j列，j＝1,2,…,L，L是包含目标信息的距离单元数；

3b)求得目标所在距离单元频域信息矩阵其中表示矩阵的第j个列向量；

3c)分别求取目标所在距离单元时域信息矩阵A的时域灰度二值矩阵R_A和目标所在距离单元频域信息矩阵的频域灰度二值矩阵按如下步骤进行：

3c1)将目标距离单元时域信息矩阵A转化为取值范围为0～255的时域灰度矩阵

3c2)构造初始每一个元素均为0的时域灰度二值矩阵R_A；

3c3)计算时域灰度矩阵中首行首列元素的灰度值w₀和其邻域的平均灰度值v₀并取整，将R_A(w₀,v₀)的值加1，其中R_A(w₀,v₀)是时域灰度二值矩阵R_A第w₀行v₀列的值，0≤w₀,v₀≤255且为整数；

3c4)重复3c3)遍历计算时域灰度矩阵中每一个元素的灰度值和其邻域的平均灰度值，完成时域灰度二值矩阵R_A的更新；

3c5)重复3c1)到3c4)步，计算得到目标所在距离单元频域信息矩阵的频域灰度二值矩阵

3d)根据时域灰度二值矩阵R_A分别提取时域中心图像熵T1和时域邻接图像熵T2，根据频域灰度二值矩阵分别提取频域中心图像熵T3和频域邻接图像熵T4；

4)重复步骤1)到3)，得到多组样本下的图像熵特征，将得到的多组样本下的特征等分作为训练样本提取的特征和测试样本提取的特征；

5)根据4)中提取的训练样本的图像熵特征训练分类器，将测试样本的图像熵特征输入训练好的分类器，根据分类器的输出得到目标类别。

2.根据权利要求1所述的方法，其中步骤3d)中根据时域灰度二值矩阵R_A分别提取时域中心图像熵T1和时域邻接图像熵T2，按如下公式进行：

其中R_A(x,y)是时域灰度二值矩阵R_A第x行y列的值。

3.根据权利要求1所述的方法，其中步骤3d)中根据频域灰度二值矩阵分别提取频域中心图像熵T3和频域邻接图像熵T4，按如下公式进行：

其中是频域灰度二值矩阵第x行y列的值。

4.根据权利要求1所述的方法，其中步骤5)中的分类器，包括：线性判决分析分类器，支持向量机分类器，相关向量机分类器和k近邻分类器。