[发明专利]一种多平台雷达一维图像信号进行融合的方法

说明书

本发明提供了一种多平台雷达一维图像信号进行融合的方法，该方法通过迭代的内插外推方法对多平台雷达信号进行时空配准；选择合适的特征参数通过回波生成及傅里叶变换等对一维图像信号进行特征提取；通过支持向量机对提取的多平台雷达图像特征矩阵进行特征分类；通过设计一致性检测修正结果；依据分类后的决策矩阵对多平台雷达一维像信号进行融合重构，得到目标的二维轮廓图像。本发明能有效地提高雷达对于同一目标形成的图像信号的精度，减少多平台雷达信号的时空偏差，将一维的雷达信号融合提升至二维的图像信息，从而增加雷达信号的信息量，可用于目标大小识别、目标型号初分类等，为后续作战态势分析和临机筹划提供更加准确的依据。

技术领域

本发明涉及人工智能、目标融合、态势感知等领域，尤其涉及一种多平台雷达一维图像信号进行融合的方法。

背景技术

近年来，新军事技术革命以获取及时、准确、连续、完整和一致的战场态势为目标对对信息融合提出了新需求，以支持情报预警、作战决策、指挥控制、火力打击等作战活动。为了对战场目标进行完整全面的感知，地面、舰船、飞机等均安装了大量的雷达传感器，对环境及目标信息进行实时的采集。

为了克服单个平台识别能力不足的问题，需网络化运用地面雷达、预警机雷达、雷达舰载雷达等多平台装备装备进行协同感知，这样大量的雷达传感器数据被同时反馈，传统的方法是单个装备处理雷达回波后上报最终结果，再由多平台综合系统进行综合处理，决策一个结果，这种模式丢失了雷达回波本身的特征信息，降低了识别的及时性和准确性。此时需要引入特征层级的融合模块，进行更深层次信息的整合和筛选，以对当前目标进行实时分析，其分析结果可以用于态势研判或上报控制中心用于打击支持，从而减轻作战人员的负担，常用的方法有支持向量机、贝叶斯推理、模糊认知图等，使用贝叶斯推理构建的态势感知网络具有网络架构层级清晰的优势，但先验概率难以确定；使用模糊认知图的方法也过于依赖专家经验。

在战场实际应用过程中，各平台的雷达传感器数据常会受到战场环境、敌方干扰等因素的影响，会导致部分数据缺损、失效等情况，极大概率是小样本数据，单个装备难以识别、反应慢，直接对雷达传感器进行态势感知是不足以支撑战场指挥决策系统，从而极大地影响战场精确打击的效率，因此以战场感知为基础的信息融合至关重要，它不仅能提高态势信息的精准度，还能通过融合得到的更为清晰的目标图像等详细情报为战场临机反应提供决胜条件。因此急需突破小样本数据下多雷达一维图像融合方法，提升对敌方平台类别的感知和型号的分类，可以极大地提升战场态势感知的信息量。

发明内容

发明目的：本发明的目的在于基于支持向量机SVM对多平台雷达返回的一维图像数据进行图像融合，得到目标的二维轮廓信号，从而用于判定目标大小以及结合知识库分辨目标类型、目标型号等信息。

技术方案：通过迭代的内插外推方法对多平台雷达信号进行时空配准；选择合适的特征参数通过回波生成及傅里叶变换等对一维图像信号进行特征提取；通过支持向量机对提取的多平台雷达图像特征矩阵进行特征分类；通过设计一致性检测修正结果；设计融合规则依据分类后的特征矩阵对图像信号进行融合重构，实现雷达一维图像信号信息结合成二维图像。

步骤1：多平台雷达信号的时空配准：采用迭代的外推内插法对两台雷达信号数据进行时空配准；

步骤2：雷达目标检测：对雷达一维像进行特征提取，形成多平台一维像的特征矩阵；

步骤3：设计基于支持向量机的分类器，以同一目标的雷达信号为正分类，将回波中的杂波剔除，并设置滤波算子的方式对决策矩阵进行一致性检验；

步骤4：基于决策结果对正分类的特征向量对应的雷达回波进行融合重构，得到雷达目标的轮廓图像。

步骤1包括如下步骤：