[发明专利]用于HRRP目标识别的滑动分帧方法

说明书

本发明公开了一种用于HRRP目标识别的滑动分帧方法，属于雷达一维距离像自动目标识别领域。滑动分帧方法包括以下步骤：步骤(1)：选取一组包含N个HRRP的数据，每一帧的长度L和滑动窗宽度H满足：步骤(2)：分帧时，取第一帧数据的长度为L，向该组数据尾端滑动取下一帧数据，下一帧数据的起始位置与前一帧数据的起始位置间相距一个滑动窗H的距离；步骤(3)：重复步骤(2)，直到完成整组数据的滑动分帧，帧数M需满足：M×L‑(M‑1)×(L‑H)＝N。与现有技术相比，本发明既能松弛HRRP的方位敏感性问题，又与实际中目标方位角的变化和分布有更好的相符性，确保之后提取的帧中心能够很好反应某一方位角域内所有的数据。

技术领域

本发明涉及雷达一维距离像自动目标识别领域，尤其涉及用于HRRP(高分辨距离像)目标识别的滑动分帧方法。

背景技术

随着高分辨雷达的出现和广泛应用，基于高分辨雷达信号的雷达自动目标识别技术成为雷达信号处理研究领域的热点。高分辨距离像(HRRP)、合成孔径雷达图像(SAR)和逆合成孔径雷达图像(ISAR)是使用最为广泛的三种高分辨雷达信号，其中高分辨距离像因其一维信号的优势以及易于获取及处理的特点，成为首选的高分辨雷达信号的研究对象。

目前，基于雷达高分辨距离像的雷达自动目标识别技术面临的主要困难在于高分辨距离像的方位敏感性、强度敏感性、平移敏感性等问题，其中通过采用能量归一化的方法可以有效缓解高分辨距离像的强度敏感性，通过提取平移不变特征或者相关对齐的方法有效缓解高分辨距离像的平移敏感性。雷达高分辨距离像的几何结构特征能够直接反映目标的物理结构，在对原始HRRP信号进行l₂范数归一化后提取的几何结构特征，能够有效消除平移敏感性和强度敏感性。

但是，如何有效缓解高分辨距离像的方位敏感性，从而提取出有效稳健的高分辨距离像的特征是实现有效的基于HRRP的雷达自动目标识别技术的关键。通常，基于雷达高分辨率距离像的目标识别算法会将目标整个方位角域划分为若干小的姿态角域来松弛方位敏感性，使得某一帧内的HRRP样本受方位变化的影响足够小并提取各帧的帧中心作为模板信号进行雷达自动目标识别。然而经过这样的方位角域划分后所提取出一帧的帧中心是否能有效代表这一整个小方位角域所有的HRRP信号，尤其是边界处的几个HRRP信号，又是一个关键问题。

目前在基于高分辨距离像的雷达自动目标识别中，采用最多的分帧方法是均匀分帧方法。该方法的提出是以目标方位角的统计分布为均匀随机分布作为依据的，但是目标方位角的变化是缓慢的，两个方位角域并没有明确的界限，均匀分帧对方位角域边界采取“一刀切”的方法，与实际情况有较大差异。因此，在使用均匀分帧方法后提取某一帧内高分辨距离像的帧中心时，并没有完全利用某个方位角域内的全部数据，特别是边界处的数据。因而，提取的帧中心往往不能很好的代表方位角域边界处的HRRP信号，与该方位角域边界处的HRRP信号的相似性并不大。

发明内容

发明目的：本发明的目的是提供一种用于HRRP目标识别的滑动分帧方法，以确保提取的帧中心能够很好反应某一方位角域内所有的数据，该方法相比于现有技术中的均匀分帧方法具有更好的识别效果。

技术方案：用于HRRP目标识别的滑动分帧方法的步骤如下：

步骤1：一组HRRP数据内包含N个HRRP，选取每一帧的长度L和滑动窗的宽度H，满足：

步骤2：分帧时，每一帧的数据长度相同，从一组HRRP数据的第一个开始，取第一帧数据的长度为L，向该组数据尾端滑动取下一帧数据，下一帧数据的起始位置与前一帧数据的起始位置间相距一个滑动窗H的距离；

步骤3：重复步骤2，直到完成整组数据的滑动分帧，帧数M需满足：

M×L-(M-1)×(L-H)＝N