[发明专利]一种基于阵列因子特征的伪目标辐射源判别方法及系统

权利要求书

1.一种基于阵列因子特征的伪目标辐射源判别方法，其特征在于，包括：

重建目标辐射源的图像；

遍历重建图像中的每个像素点，确定所述重建图像中每个源点的极大值及其所在位置，将所述极大值所在的位置视为该源点的位置，构建每个源点到其它源点的距离矩阵D；

建立多天线阵列因子模型图；

在阵列因子模型图上，确定在一定误差范围内的相对强度最大的旁瓣点，将所述旁瓣点作为可疑源点，确定所述可疑源点在模型中的位置信息和分布特征；并根据所述位置信息以及主瓣在模型中的位置信息计算所述可疑源点到主瓣的距离d_t，t为正整数；

在所述重建图像上，针对每个d_t，遍历所述距离矩阵D中的每一列，标记距离在d_t的误差范围内的源点为该源点的可疑源点；

统计每个源点对应的可疑源点的分布特征，当所述分布特征与在阵列因子模型中的分布特征一致时，确定所述可疑源点为该源点对应的伪目标辐射源点，得到伪目标辐射源点的定位结果。

2.根据权利要求1所述的方法，其特征在于，通过获取多天线原始稀疏阵列的差相关阵列Difference Coarray，根据差相关阵列Difference Coarray的分布构建所述多天线阵列因子模型图。

3.根据权利要求2所述的方法，其特征在于，采用凸优化算法来获取重建后的目标辐射源的图像。

4.根据权利要求3所述的方法，其特征在于，重建目标辐射源的图像的步骤包括：

步骤S1、获取多天线原始稀疏阵列的协方差矩阵，对所述协方差矩阵冗余平均和矢量化来构建原始稀疏阵列的差相关阵列Difference Coarray信号接收模型；

步骤S2、以原始稀疏阵列的差相关阵列Difference Coarray和目标辐射源空域稀疏特性为约束条件，将目标辐射源的来波方向划分为网络，得到过完备字典；

步骤S3、基于所述过完备字典，将步骤S1中的模型拓展为基于Difference Coarray的目标辐射源稀疏重建模型；

步骤S4、采用重加权l₁范数算法求解上述模型，得到重建目标辐射源的图像。

5.根据权利要求4所述的方法，其特征在于，所述重加权l₁范数算法中，第k+1次解矢量的第m个元素的计算权重为：

其中，表示划分的网络，k为迭代次数，∈表示算法稳健性的正参数。

6.根据权利要求1-5任意一项所述的方法，其特征在于，得到伪目标辐射源点的定位结果后，还包括对伪目标辐射源点完全衰减或部分衰减。

7.一种基于阵列因子特征的伪目标辐射源判别系统，其特征在于，包括：

目标辐射源的图像重建模块，用于重建目标辐射源的图像；

距离矩阵构建模块，用于遍历重建图像中的每个像素点，确定所述重建图像中每个源点的极大值及其所在位置，将所述极大值所在的位置视为该源点的位置，构建每个源点到其它源点的距离矩阵D；

多天线阵列因子模型构建模块，用于建立多天线阵列因子模型图；

可疑源点在模型图上的位置确认模块，用于在阵列因子模型图上确定在一定误差范围内的相对强度最大的旁瓣点，将所述旁瓣点作为可疑源点，确定所述可疑源点在模型中的位置信息和分布特征；并根据所述位置信息以及主瓣在模型中的位置信息计算所述可疑源点到主瓣的距离d_t，t为正整数；

可疑源点在重建图像上的位置确认模块，用于在所述重建图像中，针对每个d_t，遍历所述距离矩阵D中的每一列，标记距离在d_t的误差范围内的源点为该源点的可疑源点；

伪目标辐射源点确定模块，统计每个源点对应的可疑源点的分布特征，当所述分布特征与在阵列因子模型中的分布特征一致时，确定所述可疑源点为该源点对应的伪目标辐射源点，得到伪目标辐射源点的定位结果。