[发明专利]一种雷达目标成像后基于SVM的背景干扰抑制方法

权利要求书

1.一种雷达目标成像后基于SVM的多目标背景干扰抑制方法，该方法包括：

步骤1：雷达信号预处理

首先对雷达接收机接收到的回波矩阵A，A∈N×L维,N为回波信号一次成像时所处理的回波数，L为每个回波信号的采样点数，在慢时间上按行进行去均值处理和MTI滤波，得到去除了零频杂波的距离-脉冲域矩阵D；

步骤2：生成距离多普勒图

将上述得到的距离-脉冲域矩阵D在距离维上按行加窗处理，并且做二倍插值傅里叶变换，使每个周期的回波信号压缩成时域辛格(sinc)脉冲信号，得到带有目标的距离信息的sinc波形；采用相同得方法将N个扫频周期进行计算得到的N个信号组合在一起，得到探测目标对应的距离-脉冲域矩阵Z；再将Z在多普勒维按列加窗处理并进行二倍插值FFT，得到对应的距离-多普勒矩阵V∈2N×2L；对距离-多普勒矩阵V进行成像处理得到目标对应的距离-多普勒图；

步骤3：SVM模型训练及预测

将步骤2中的RD图以jpg格式存储，读取RD图并保存图像数据为三维矩阵P，P∈2N×2L×3，其中3对应像素点的RGB值，分别选取图像中的k个目标和l个背景干扰样本点对应的RGB值从而确定训练集；利用上述选取的样本点作为训练样本，将背景干扰对应样本点的标签设置为0，目标对应样本点的标签设置为1；采用一次多项式核函数建立支持向量机，输入训练样本和相应的样本标签进行SVM模型训练；将图像数据三维矩阵P转换成二维矩阵P₂，P₂∈2N×2L×3，其中2N×2L对应图像中的所有像素点的个数，将P₂作为测试数据集输入到训练好的SVM模型中进行预测，读取预测后的分类标签向量F∈2N×2L×1，根据每个像素点的分类标签，对三维矩阵P中的所有像素点进行分类，将分类标签为0的所有像素点的RGB值置0，从而实现背景干扰的抑制，对有效目标和背景干扰实现有效的分离。

2.如权利要求1所述的一种雷达目标成像后基于SVM的多目标背景干扰抑制方法，其特征在于所述步骤3中的SVM模型为：

其中，sgn表示符号函数，将分类器的计算结果转化至区间[0,1]，i表示第i个输入样本，其中i＝1,2,...,n；b为偏置项，W_i表示第i个支持向量样本所占的权重，K x,x_i为多项式核函数，其表达式为：

K x,x_i＝γx^Tx_i+r^p

其中，γ和r分别表示核函数的权重系数和偏置量，p为阶数；在SVM模型训练过程中，将训练样本输入后，SVM模型对应的参数分别为:W_i初始值为1；偏置项b初始值为0；核函数权重系数γ初始值为0.5；r初始值为0；阶数p＝1，SVM工具箱自动检测出支持向量及其个数，并自动校正偏置项和权重因子，从而得到训练后的SVM模型。