[发明专利]一种基于多次样本的高分辨雷达一维距离像目标识别方法

摘要

本发明涉及一种基于多次样本的高分辨雷达一维距离像目标识别方法，其主旨在于针对最小K‑L距离准则在对称性上的缺陷性，引入一种新的距离判决准则，即最小Resistor‑Average(RA)距离准则，用以提高雷达目标识别性能。具体方案为第一步多次距离像样本高分辨率雷达一维模板距离像特征提取；第二步多次距离像样本高分辨率雷达一维测试距离像特征提取；第三步为本申请提案与现有技术不同之处利用最小RA距离准则进行多次距离像样本高分辨率雷达一维测试距离像目标识别。

主权项

一种基于多次样本的高分辨雷达一维距离像目标识别方法，其特征在于，包括以下步骤：步骤1、对多次距离像样本高分辨率雷达一维模板距离像进行特征提取，得到模板距离像特征μik＝[μik(1)，...μik(n)，...μik(N)]，μik(n)表示模板特征在距离单元编号为n处的平均距离像，表示模板特征在距离单元编号为n处的方差距离像；步骤2、对多次距离像样本高分辨率雷达一维测试距离像进行特征提取，得到测试距离像特征μx＝[μx(1)，...μx(n)，...μx(N)]，μx(n)表示测试特征在距离单元编号为n处的平均距离像，表示测试特征在距离单元编号为n处的方差距离像；步骤3、利用步骤1得到的模板距离像特征和步骤2得到的测试距离像特征计算R‑A距离，比较得到最小值，从而对多次距离像样本高分辨率雷达一维测试距离像进行目标识别；3.1、设置模板距离像的概率密度函数pik(x)，测试距离像的概率密度函数px(x)；3.2、利用步骤1和步骤2提取的模板特征和测试特征计算px(x)相对于pik(x)的K‑L距离为D(pχ||pik)=12Σn=1N(lnσik2(n)σχ2(n)+σχ2(n)+[μχ(n)-μik(n)]2σik2(n)-1)]]>计算pik(x)相对于px(x)的K‑L距离为D(pik||pχ)=12Σn=1N(lnσχ2(n)σik2(n)+σik2(n)+[μχ(n)-μik(n)]2σχ2(n)-1)]]>3.3、根据步骤3.2得到D(pχ||pik)和D(pik||px)的计算pik(x)与pχ(x)之间的R‑A距离R(px，pik)1R(pχ,pik)=1D(pχ||pik)+1D(pik||pχ);]]>3.4、得出最小R‑A距离决策准则i,k^=argmini,kR(pχ,pik)=argmini,kD(pχ||pik)D(pik||pχ)D(pχ||pik)+D(pik||pχ)]]>i即为目标判断类别。