一种基于谱包络特征的雷达目标高分辨距离像识别方法

摘要

本发明公开了一种基于谱包络特征的雷达目标高分辨距离像识别方法，由目标距离像的功率谱构建出谱包络；从谱包络中提取出5个特征属性，包括：亮度、不规则度、总功率、第5到最高次谐波分量的功率之和占总功率的比例以及最强谱分量的功率占总功率的比例；将这5个特征属性组合起来构成一个5维的谱包络特征F5；基于谱包络，构造两个4维的谱包络特征，包括：前4次谐波分量H4和前4个最强的谱分量S4；将F5特征分别与H4特征和S4特征组合起来，得到两个新的9维的谱包络特征：FH9和FS9；分别采用上述5个谱包络特征进行雷达目标识别，利用实测数据对每个特征的有效性进行评估。本发明方法计算简单，容易实现，非常适合于雷达目标识别的工程应用，引入谱包络的概念。

权利要求

1.一种基于谱包络特征的雷达目标高分辨距离像识别方法，其特征在于，该方法包括：A)雷达一次观测到的目标距离像记为Xk＝[x1,x2,…,xN]，对它进行傅里叶变换并取模的平方，得到它的功率谱特征：Sk＝[s1,s2,…,sN]，其中，xi表示第i个距离门的回波幅度，si表示第i个谱线上的功率，N为采样点数；

B)基于功率谱Sk，构建谱包络{Ak,Pk}，其中，Ak为谱包络序列，Pk为与谱包络序列对应的谱线位置序列；

C)将谱包络序列Ak从大到小进行排序，得到序列：Bk＝[b1,b2,…,bm]，其中bj表示谱包络第j个最强谱分量的功率，其中m为峰值点的总数，且m＜＜N；

D)基于序列Ak、Pk和Bk，计算5个特征属性，包括：亮度Brightness、不规则度Irregularity、总功率TP、第5到最高次谐波分量的功率之和占总功率的比例R5以及最强谱分量的功率占总功率的比例R1；将这5个特征属性组合起来构成一个5维的谱包络特征F5；

E)基于序列Ak和Bk，构造两个4维的谱包络特征，包括：前4次谐波分量H4和前4个最强的谱分量S4；

F)将F5特征分别与H4特征和S4特征组合起来，得到两个新的9维的谱包络特征：FH9＝[F5，H4]和FS9＝[F5，S4]；

G)分别采用上述5个谱包络特征：F5、H4、S4以及FH9和FS9进行雷达目标识别，利用实测数据对每个特征的有效性进行评估。

2.如权利要求1所述的基于谱包络特征的雷达目标高分辨距离像识别方法，其特征在于，所述谱包络的构建方法具体为：找到功率谱Sk的m个峰值点构成谱包络序列：Ak＝[a1,a2,…,am]，m个峰值点对应的谱线位置构成序列：Pk＝[p1,p2,…,pm]，其中m为峰值点的总数，且m＜＜N，ai和pi分别表示谱包络第i次谐波分量的功率及其对应的谱线位置，{Ak,Pk}即定义了距离像Xk的谱包络。

3.如权利要求1所述的基于谱包络特征的雷达目标高分辨距离像识别方法，其特征在于，所述5个特征属性的计算公式具体如下：所述亮度Brightness的计算公式为：

其中，aj和pj分别表示谱包络第j次谐波分量的功率及其对应的谱线位置；

所述不规则度Irregularity的计算公式为：

所述总功率TP的计算公式为：

所述第5到最高次谐波分量的功率之和占总功率的比例R5的计算公式为：所述最强谱分量的功率占总功率的比例R1的计算公式为：

4.如权利要求1所述的基于谱包络特征的雷达目标高分辨距离像识别方法，其特征在于，所述5维的谱包络特征F5的构造方法具体为：F5＝[Brightness，Irregularity，TP，R5，R1]。

5.如权利要求1所述的基于谱包络特征的雷达目标高分辨距离像识别方法，其特征在于，所述两个4维的谱包络特征的构造方法具体如下：所述前4次谐波分量H4的构造方法为：

H4＝[a1,a2,a3,a4]；

所述前4个最强的谱分量S4的构造方法为：

S4＝[b1,b2,b3,b4]

其中，a1,a2,a3,a4分别表示谱包络第1,2,3,4次谐波分量的功率，b1,b2,b3,b4分别表示第1,2,3,4个最强谱分量的功率。

说明书

一种基于谱包络特征的雷达目标高分辨距离像识别方法

技术领域

[0001] 本发明属于雷达技术领域，具体说是一种雷达目标高分辨距离像的目标识别方法。

背景技术

[0002] 雷达目标高分辨距离像很好地反映了目标沿雷达视线的径向距离分布细节和结构信息，对于目标识别具有重要价值，又具有易于获取和处理的优势，因而基于雷达目标高分辨距离像的识别成为雷达目标识别领域研究的热点。

[0003] 雷达目标的运动特性导致所获取的距离像相对于雷达的基准位置会发生平移，使得距离像具有平移敏感性问题。针对该问题，相关文献提出了多种平移不变特征用于雷达目标识别，其中，功率谱特征由于其计算简单且有效而被广泛使用。现有技术中对功率谱的使用主要有两种方法：一是直接将功率谱作为特征用于识别；二是使用功率谱的低频部分作为特征，一般选取前10维用于识别。第一种方法可以保证包含在功率谱中的所有信息都能被利用，但存在较大的冗余，且特征维数较高，目标识别的计算量较大；第二种方法可以大大去除冗余，降低特征维数，但同时也丢失了潜在的高频有用信息，在一定程度上会影响识别效果，另外，如何选取最有效的低频特征也是一个难题。

[0004] 谱包络的定义为：由一个信号的(准)谐波分量的最大幅度组成的序列。通常，时域信号中每个(准)谐波分量的最大幅度对应于其功率谱的峰值幅度。因此，谱包络可以看作是由信号功率谱曲线上的峰值点组成的离散序列。它包含了功率谱几乎所有的有用信息，但其维数相对于功率谱来说却非常低。目前，谱包络的概念仅被应用于声音信号(特别是乐器的声音信号)识别领域中。研究表明，仅仅根据谱包络，就足以对声音信号进行很好的区分和识别。

发明内容

[0005] 针对上述已有技术存在计算量大、因丢失有用信息而识别效果不佳以及难以选取最有效特征的问题，本发明提供了一种基于谱包络特征的雷达目标高分辨距离像识别方法。本发明方法计算简单、便于雷达目标识别的工程应用，且能有效提高雷达目标识别性能，更重要的是提供了一种可用于雷达目标识别的新思路。

[0006] 为实现上述目的，本发明采用了如下技术手段：

[0007] 基于谱包络特征的雷达目标高分辨距离像识别方法，包括以下步骤：

[0008] A)雷达一次观测到的目标距离像记为Xk＝[x1,x2,…,xN]，对它进行傅里叶变换并取模的平方，得到它的功率谱特征：Sk＝[s1,s2,…,sN]，其中，xi表示第i个距离门的回波幅度，si表示第i个谱线上的功率，N为采样点数；

[0009] B)基于功率谱Sk，构建谱包络{Ak,Pk}：找到功率谱Sk的m个峰值点构成谱包络序列：Ak＝[a1,a2,…,am]，m个峰值点对应的谱线位置构成序列：Pk＝[p1,p2,…,pm]，其中，m(m＜＜N)为峰值点的总数，ai和pi分别表示谱包络第i次谐波分量的功率及其对应的谱线位置，{Ak,Pk}即定义了距离像Xk的谱包络；

[0010] C)将谱包络序列Ak从大到小进行排序，得到序列：Bk＝[b1,b2,…,bm]，其中bi表示谱包络第i个最强谱分量的功率；

[0011] D)基于序列Ak、Pk和Bk，计算以下5个特征属性，包括：亮度Brightness、不规则度Irregularity、总功率TP、第5到最高次谐波分量的功率之和占总功率的比例R5以及最强谱分量的功率占总功率的比例R1；将这5个特征属性组合起来构成一个5维的谱包络特征：F5＝[Brightness，Irregularity，TP，R5，R1]；

[0012] 上述5个特征属性的计算方法具体如下：

[0013] d1)亮度Brightness：

[0014]

[0015] d2)不规则度Irregularity：

[0016]

[0017] d3)总功率TP：

[0018]

[0019] d4)第5到最高次谐波分量的功率之和占总功率的比例R5：

[0020]

[0021] d5)最强谱分量的功率占总功率的比例R1：

[0022]

[0023] E)基于序列Ak和Bk，构造以下两个4维的谱包络特征，包括：前4次谐波分量H4和前4个最强的谱分量S4；具体方法如下：

[0024] e1)前4次谐波分量H4：H4＝[a1,a2,a3,a4]

[0025] e2)前4个最强的谐波分量S4：S4＝[b1,b2,b3,b4]

[0026] F)将F5特征分别与H4特征和S4特征组合起来，得到两个新的9维的谱包络特征：FH9＝[F5，H4]和FS9＝[F5，S4]；

[0027] G)分别采用上述构造的5个谱包络特征：F5、H4、S4以及FH9和FS9进行雷达目标识别，利用实测数据对每个特征的有效性进行评估。

[0028] 与现有技术相比，本发明具有如下有益效果：

[0029] 1.本发明提供了一种基于谱包络特征的雷达目标高分辨距离像识别方法，该方法计算简单，容易实现，非常适合于雷达目标识别的工程应用；

[0030] 2.本发明将谱包络的概念引入到雷达目标识别中，从目标距离像的谱包络中提取并构造5个谱包络特征用于进行目标识别，为雷达目标高分辨距离像识别提供了一种新方法和新思路；

[0031] 3.本发明所构造5个谱包络特征很好地保留了目标距离像的频谱信息且维数较低，能有效提高雷达目标识别的性能和效率。

附图说明

[0032] 此处所说明的附图用来提供对本发明的进一步理解，构成本本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

[0033] 图1为本发明提供的基于谱包络特征的雷达目标高分辨距离像识别方法的流程图；

[0034] 图2是An飞机的一幅距离像的时域波形；

[0035] 图3是图2中距离像的功率谱曲线及峰值点；

[0036] 图4是图2中距离像的谱包络。

具体实施方式

[0037] 下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

[0038] 参考图1至图4，一种基于谱包络特征的雷达目标高分辨距离像识别方法，具体实施步骤如下：

[0039] 步骤A)雷达一次观测到的目标距离像记为Xk＝[x1,x2,…,xN]，进行傅里叶变换并取模的平方，得到它的功率谱：Sk＝[s1,s2,…,sN]，其中，N为采样点数；

[0040] 步骤B)基于距离像的功率谱Sk，构建谱包络{Ak,Pk}；在实施时，构建谱包络的具体操作方法为：

[0041] 找到功率谱Sk的m个峰值点构成谱包络序列：Ak＝[a1,a2,…,am]，m个峰值点对应的位置构成序列：Pk＝[p1,p2,…,pm]，其中，m(m＜＜N)为峰值点的总数，{Ak,Pk}即定义了距离像Xk的谱包络。

[0042] 在本发明的一个实施例中，雷达对An飞机进行观测得到的一幅距离像如图2所示，图3为该距离像的功率谱曲线，图中示出了功率谱的8个峰值点，图4是由这些峰值点所构成的该距离像的谱包络。

[0043] 步骤C)将谱包络序列Ak从大到小进行排序，得到序列为：Bk＝[b1,b2,…,bm]；

[0044] 步骤D)基于序列Ak、Pk和Bk，计算以下5个特征属性，包括：亮度(Brightness)、不规则度(Irregularity)、总功率(TP)、第5到最高次谐波分量的功率之和占总功率的比例(R5)以及最强谱分量的功率占总功率的比例(R1)；将这5个特征属性组合起来构成一个5维的谱包络特征：F5＝[Brightness，Irregularity，TP，R5，R1]；在实施时，上述5个特征属性的计算方法具体如下：

[0045] d1)亮度(Brightness)

[0046] 亮度指的是(声音)信号的明亮度或者尖锐度，可用谱包络的质心来度量，其计算公式为：

[0047]

[0048] d2)不规则度(Irregularity)

[0049] 谱包络不规则度的计算公式为：

[0050]

[0051] 由定义可知，不规则度可以看做是一种局部标准偏差，体现了谱包络中相邻三个谐波分量的能量分布关系。

[0052] d3)总功率(TP)

[0053] 谱包络总功率的计算公式为：

[0054]

[0055] 它从频域角度反映了目标后向散射系数的大小。

[0056] d4)第5到最高次谐波分量的功率之和占总功率的比例(R5)

[0057] 谱包络第5到最高次谐波分量的功率之和占总功率的比例的计算公式为：

[0058]

[0059] R5特征的物理含义如下：我们知道，视觉信号三个颜色属性(红、蓝、绿)，对应地，声音信号也有三个音色属性(三色值1、三色值2、三色值3)，其中，三色值1定义为1次谐波分量的功率占总功率的比例，三色值2定义为第2到第4次谐波分量的功率之和占总功率的比例，三色值3定义为第5到第m次谐波分量的功率之和占总功率的比例；所以，本发明定义的R5特征其实就是三色值3，它实质上描述了功率谱的高频分量所占的比例。

[0060] d5)最强谱分量的功率占总功率的比例(R1)

[0061] 谱包络最强谱分量的功率占总功率的比例的计算公式为：

[0062]

[0063] 步骤E)基于序列Ak和Bk，定义以下两个4维的谱包络特征，包括：前4次谐波分量(H4)和前4个最强的谱分量(S4)；在实施时，这两个谱包络特征的构造方法具体如下：

[0064] e1)前4次谐波分量(H4)的构造方法为：

[0065] H4＝[a1,a2,a3,a4]；

[0066] e2)前4个最强的谐波分量(S4)的构造方法为：

[0067] S4＝[b1,b2,b3,b4]。

[0068] 步骤F)将F5特征和H4特征组合起来，得到一个新的9维的谱包络特征：

[0069] FH9＝[F5，H4]；

[0070] 将F5特征和S4特征组合起来，得到一个新的9维的谱包络特征：

[0071] FS9＝[F5，S4]；

[0072] 步骤G)分别采用以上所构造的5个谱包络特征：F5、H4、S4以及FH9和FS9进行雷达目标识别，利用实测数据对每个特征的有效性进行评估。

[0073] 下面结合实验例对本发明提供方法的效果进行验证。

[0074] 实验例

[0075] 实验所用数据为国内某C波段ISAR雷达对三种飞机(An、Cessna、Yak)在外场实验中所采集的高分辨距离像数据，每种飞机包含260个距离像。实验中，对于每种飞机的数据，采用等间隔抽取的方式划分为10组，即：每组26个样本，然后分别进行10次实验。第1次实验，取每种飞机的第1组，共26×3＝78幅距离像作为模板，其它的9组，共26×9×3＝702幅距离像用于测试，采用最近邻法进行分类；第2次实验，取每种飞机的第2组作为模板，其它的9组用于测试；依次轮推。最后，将10次实验的结果进行平均，得到最终的识别率。

[0076] 表1给出了分别采用上述5个谱包络特征：F5、H4、S4以及FH9和FS9进行雷达目标识别的结果。由表1中的实验结果可以看到：

[0077] 1)分别基于三个谱包络特征：F5、H4和S4进行目标识别，均可得到较满意的识别效果，其中，F5特征的识别率最高，H4特征的识别率次之，H4特征的识别率相对最低。

[0078] 分析其原因如下：H4特征由谱包络的第1至第4次谐波分量构成，S4特征由谱包络最强的4个谱分量构成，结合图4，即可知H4特征和S4特征之间的差别，显然，S4特征比H4特征来包含了更多的目标距离像的频谱信息，所以，基于S4特征的识别率高于基于H4特征的识别率；由其构造方法可知，F5特征相对于H4特征和S4特征来说包含了更丰富的目标距离像的频谱信息，如：频谱功率、频谱质心、频谱分量的相对大小分布、最强谱分量的比例以及高频谱分量的比例等，所以，基于F5特征进行目标识别可取得高于基于H4特征和S4特征的识别率。

[0079] 2)基于FH9特征和FS9特征的识别率相对于F5特征、H4特征和S4特征的识别率，均有较大幅度的提高。

[0080] 分析其原因如下：FH9特征是F5特征和H4特征相结合而构成的一个综合特征，FS9特征是F5特征和S4特征相结合而构成的一个综合特征；从信息融合的角度来看，当多个单特征之间具有一定的互补关系时，多特征综合的识别效果必然会优于任一单特征的识别效果；由三个特征的构造方法可知，F5特征和H4特征之间、F5特征和S4特征之间均满足一定的互补关系，因而，基于FH9特征和FS9特征进行目标识别，可有效提高识别性能。

[0081] 综上所述，本发明引入谱包络的概念，为雷达目标高分辨距离像识别提供了一种新思路，所构造5个谱包络特征很好地保留了目标距离像的频谱信息且维数非常低，能有效提高雷达目标识别的性能和效率。此外，本发明方法计算简单，容易实现，非常适合于雷达目标识别的工程应用。

[0082] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

[0083] 表1基于5个谱包络特征的识别结果(％)

[0084]