照步驟2. 2,對(duì)第1次蒙特卡洛實(shí)驗(yàn)中，在第1個(gè)干噪比下幅度歸一化后的第二、 三、四類一維訓(xùn)練數(shù)據(jù)X2⑴、X3⑴、X4⑴分別進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到對(duì)應(yīng)的本征模函數(shù) 集； 2. 4參照步驟2. 3,對(duì)S4次蒙特卡洛實(shí)驗(yàn)中，Si個(gè)不同干噪比下幅度歸一化后的四類一 維訓(xùn)練數(shù)據(jù)分別進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解，得到對(duì)應(yīng)的本征模函數(shù)集。3. 如權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫(kù)的拖引干擾子類型識(shí)別方法，其特征 在于，所述步驟3的具體子步驟為： 3. 1從第1次蒙特卡洛實(shí)驗(yàn)中，第1個(gè)干噪比下幅度歸一化后的第一類一維訓(xùn)練數(shù)據(jù) Xjt)的第1個(gè)本征模函數(shù)中提取四類特征，即頻域矩偏度ami、噪聲因子Alim、噪聲因子 A2im、能量比重ERmi;其中，每類特征的第一個(gè)下標(biāo)1表示第1個(gè)干噪比；第二個(gè)下標(biāo)1表 示第一類雷達(dá)回波信號(hào)；第三個(gè)下標(biāo)1表示第1個(gè)本征模函數(shù)；第四個(gè)下標(biāo)1表示第1次蒙 特卡洛實(shí)驗(yàn)； 3. 1. 1提取第一類特征頻域矩偏度a1111; &(t)的第1個(gè)本征模函數(shù)Cl(t)的功率譜為(；（《)，Cjco)是一個(gè)離散數(shù)據(jù)序列，其 均值為y，標(biāo)準(zhǔn)差為〇，則頻域矩偏度a111:為3. 1. 2提取第二、三類特征噪聲因子Alim和噪聲因子A2 1111; Kt)的第1個(gè)本征模函數(shù)cjt)的功率譜為CiOhCiO)的均值為中 的數(shù)據(jù)分為大于y和小于等于y的兩個(gè)數(shù)據(jù)序列，大于y的數(shù)據(jù)序列的均值為y1;重新 將(；（《)中的數(shù)據(jù)分為大于h與小于等于yi的兩個(gè)新數(shù)據(jù)序列，大于yi的新數(shù)據(jù)序列 的均值為則噪聲因子Aliiii和噪聲因子A2 mi分別為3. 1. 3提取第四類特征能量比重ERim; &⑴的第1個(gè)本征模函數(shù)為Cl⑴，則能量比重ERm#其中，clp表示Cl(t)的第p個(gè)數(shù)據(jù)值，xq表示Xjt)的第q個(gè)數(shù)據(jù)值，N表示Xjt)和 其第1個(gè)本征模函數(shù)Cl (t)的數(shù)據(jù)維度； 3. 2參照步驟3. 1，取53= 6,依次從Xdt)的第1-6個(gè)本征模函數(shù)中提取出24個(gè)特 征值，其中，第1個(gè)到第6個(gè)特征值是Xjt)的第1-6個(gè)個(gè)本征模函數(shù)提取的第一類特征頻 域矩偏度，即巧nt，…，s3= 1. ? ?S3;第7個(gè)到第12個(gè)特征值是X丨⑴的第1-6 個(gè)本征模函數(shù)提取的第二類特征噪聲因子A1，即Alim，_，_5Al11%1，,A111S，：1,. S3=i...s3；B13個(gè)到第18個(gè)特征值是\ (t)的第1-6個(gè)本征模函數(shù)提取的第三類特征噪聲因子A2,即 s3= 1.. ?S3;第19到第24個(gè)特征值X丨⑴的第1-6個(gè)本征模函 數(shù)提取的第四類特征能量比重ER，S卩ERUU，…，ER,^，…，ERU5j1，S3=i...s3; 3. 3參照步驟3. 2,從S4次蒙特卡洛實(shí)驗(yàn)中，Sif干噪比下幅度歸一化后的四類一維 訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的前S3個(gè)本征模函數(shù)中提取出四類特征，即頻域矩偏度、噪聲因子 A1slW4、噪聲因子A2w,a以及能量比重，其中Si= 1. ? ?S丨，s2= 1，2, 3, 4，S3 = 1 ? ? ? Sg，1. ? ? S404. 如權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫(kù)的拖引干擾子類型識(shí)別方法，其特征 在于，所述步驟4的具體子步驟為： 4. 1首先，計(jì)算從第1次蒙特卡洛實(shí)驗(yàn)中，第1個(gè)干噪比下幅度歸一化后的第一類 一維訓(xùn)練數(shù)據(jù)Xjt)的6個(gè)本征模函數(shù)提取的24個(gè)特征值的F比，即F/、:K、...、然 后，取S1=6,依次計(jì)算第2_6個(gè)干噪比下，Xjt)的F比，分別為if、校，…， i%6、...、拉，其中，F(xiàn)比的上標(biāo)表示第Sl個(gè)干噪比，F(xiàn)比的下標(biāo)表示第si個(gè)干噪比對(duì)應(yīng) 的第1-24個(gè)特征值；對(duì)于第s4次蒙特卡洛實(shí)驗(yàn)中，第s2類雷達(dá)回波信號(hào)的任意一個(gè)特征值 其F比為：其中，s2表示第s2類雷達(dá)回波信號(hào)，s2= 1，2,3,4, 表示S4次蒙特卡洛實(shí)驗(yàn)中，第 s2類雷達(dá)回信號(hào)的特征值組[IT,…，:…，r|]的均值，，表示的均值； 4. 2根據(jù)步驟4. 1計(jì)算得到的第1次蒙特卡洛實(shí)驗(yàn)中，6個(gè)干噪比下幅度歸一化后的第 一類一維訓(xùn)練數(shù)據(jù)的F比，選擇出第1次蒙特卡洛實(shí)驗(yàn)中，6個(gè)干噪比下幅度歸一化后的第 一類一維訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的四類特征的典型特征值，具體步驟如下： 4. 2. 1第1次蒙特卡洛實(shí)驗(yàn)中，6個(gè)干噪比下幅度歸一化后的第一類一維訓(xùn)練數(shù)據(jù)的第 一類特征頻域矩偏度是6個(gè)干噪比下對(duì)應(yīng)的24個(gè)特征值中的前6個(gè)特征值的集合，集合中 的元素表示為氣Si= 1. . .S^s3= 1. . .S3;由步驟4. 1可知，集合中元素對(duì)應(yīng)的F比， 分別為F/、41、-、C、…、?，矽、€、??、蹲，其中，F(xiàn)比的上標(biāo)表示第4個(gè)干噪 比；F比的下標(biāo)表示第Sl個(gè)干噪比對(duì)應(yīng)的第1-6個(gè)特征值； 4. 2. 2求取在6個(gè)干噪比下第1個(gè)特征值的F比均值為5 =(if+if+…+if)/6，在6 個(gè)干噪比下，第2個(gè)特征值的F比均值為巧二(if,在6個(gè)干噪比下，第 6個(gè)特征值的F比均值為巧=(FX+…+ )/6，其中，匕，F(xiàn)2,...，F(xiàn)6的下標(biāo)表示第1-6個(gè) 特征值；選擇出h，F(xiàn)2, ...，F(xiàn)6中的最大值，將該最大值對(duì)應(yīng)的特征值作為第1次蒙特卡洛實(shí) 驗(yàn)中，6個(gè)干噪比下，幅度歸一化后的第一類一維訓(xùn)練數(shù)據(jù)的第一類特征頻域矩偏度的典型 特征值； 4. 2. 3參照步驟4. 2. 1和步驟4. 2. 2,選擇出第1次蒙特卡洛實(shí)驗(yàn)中，6個(gè)干噪比下幅度 歸一化后的第二、三、四類一維訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的四類特征的典型特征值； 4. 3參照步驟4. 2,選擇出S4次蒙特卡洛實(shí)驗(yàn)中，S3個(gè)不同干噪比下幅度歸一化后的四 類一維訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的四類特征的典型特征值，8卩，A1wy2s4，' ERW丨，其中，第一個(gè)下標(biāo)表示第Si個(gè)干噪比，s1. . .S1;第二個(gè)下標(biāo)表示第s2類 雷達(dá)回波信號(hào)，s2= 1，2, 3, 4 ;第三個(gè)下標(biāo)表示提取出第s4次蒙特卡洛實(shí)驗(yàn)中，第s2類 雷達(dá)回波信號(hào)的典型特征值的本征模函數(shù)，其中，的第一個(gè)上標(biāo)表示第s4次蒙特卡洛 實(shí)驗(yàn)，第二個(gè)上標(biāo)表示第s2類雷達(dá)回波信號(hào)，#'S2是1. ..S3中的一個(gè)值；第四個(gè)下標(biāo)表示第S4次蒙特卡洛實(shí)驗(yàn)，s4= 1. . .S4。5. 如權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫(kù)的拖引干擾子類型識(shí)別方法，其特征 在于，所述步驟5的具體子步驟為： 5. 1計(jì)算S4= 500次蒙特卡洛實(shí)驗(yàn)在第1個(gè)干噪比下幅度歸一化后的第一類一維訓(xùn)練 數(shù)據(jù)對(duì)應(yīng)的四類特征的典型特征值的均值，即第一組均值G1:1、i"、EIu,其中， 第一個(gè)下標(biāo)1表示第1個(gè)干噪比；第二個(gè)下標(biāo)1表示第一類雷達(dá)回波信號(hào)；依次計(jì)算S4= 500次蒙特卡洛實(shí)驗(yàn)在第2-6個(gè)干噪比下幅度歸一化后的第一類一維訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的四類 特征的典型特征值的均值；將得到的6組均值分別組合為6個(gè)一維典型特征向量，作為典型 特征庫(kù)的第1到第6行典型特征向量；并設(shè)定典型特征庫(kù)的第1到第6行典型特征向量的 類標(biāo)號(hào)均為"1"，對(duì)應(yīng)于第一類雷達(dá)回波信號(hào)在6個(gè)不同干噪比下的四類特征的典型特征 值的均值，A2、i、ER:. 5. 2計(jì)算S4= 500次蒙特卡洛實(shí)驗(yàn)中，6個(gè)不同干噪比下幅度歸一化后的第二、三、四 類一維訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的四類特征的典型特征值的均值；將得到的18組均值分別組合為18 個(gè)一維典型特征向量，作為典型特征庫(kù)的第7到第24行典型特征向量；設(shè)定典型特征庫(kù)的 第7到第12行典型特征向量的類標(biāo)號(hào)均為"2"，對(duì)應(yīng)于第二類雷達(dá)回波信號(hào)在6個(gè)不同干 噪比下的四類特征的典型特征值的均值，即XLl2、Xi:.、Sl=i...s1;s定典型特征庫(kù)的第13到第18行典型特征向量的類標(biāo)號(hào)均為"3"，對(duì)應(yīng)于第三類雷達(dá)回波 信號(hào)在6個(gè)不同干噪比下的四類特征的典型特征值的均值，即偽,_ 3、AL,3、.MSl.3.、. _ERSl3..，:Si =1...s1;設(shè)定典型特征庫(kù)的第19到第24行典型特征向量的類標(biāo)號(hào)均為"4"，對(duì)應(yīng)于第 四類雷達(dá)回波信號(hào)在6個(gè)不同干噪比下的四類特征的典型特征值的均值，即&4、H,4、 '、-EI^gi4? - 1. ? ?Si。6.如權(quán)利要求1所述的基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫(kù)的拖引干擾子類型識(shí)別方法，其特征 在于，所述步驟9的具體子步驟為： 9. 1計(jì)算一維測(cè)試特征向量與典型特征庫(kù)內(nèi)第1到第24行典型特征向量間的歐式距 離，分別為山，d2，…，d24; 9. 2利用距離加權(quán)K最近鄰分類方法識(shí)別回波測(cè)試數(shù)據(jù)的信號(hào)類別，距離加權(quán)K最近鄰 分類方法的具體子步驟為： 9.2. 1從24個(gè)歐氏距離山，(12，…，d24中，確定K個(gè)最小的歐氏距離；將K個(gè)最小的歐氏 距離對(duì)應(yīng)的典型特征庫(kù)的K個(gè)典型特征向量，作為一維測(cè)試特征向量的K個(gè)最近鄰，K個(gè)最 近鄰組成的集合為Dz; 9. 2. 2設(shè)一維測(cè)試特征向量的類標(biāo)號(hào)y'，可用如下公式計(jì)算y':其中，v是類標(biāo)號(hào)，y,是一維測(cè)試特征向量的第j個(gè)最近鄰的類標(biāo)號(hào)，j= 1，2,. ..，K; 1(0是指示函數(shù)，如果括弧中的等式為真，則〗（?）取值為1，否則1(0取值為〇;W] = 1/d/，d,為一維測(cè)試特征向量的第j個(gè)最近鄰對(duì)應(yīng)的歐式距離。
【專利摘要】本發(fā)明公開(kāi)了一種基于經(jīng)驗(yàn)?zāi)B(tài)分解特征庫(kù)的拖引干擾子類型識(shí)別方法，包括以下步驟：(1)將已知雷達(dá)回波信號(hào)分為四類，并進(jìn)行S4次蒙特卡洛實(shí)驗(yàn)，得到S4次蒙特卡洛實(shí)驗(yàn)中，S1個(gè)干噪比下的四類一維訓(xùn)練數(shù)據(jù)，對(duì)其進(jìn)行預(yù)處理和經(jīng)驗(yàn)?zāi)B(tài)分解，得到本征模函數(shù)集；(2)從每個(gè)本征模函數(shù)集中選取前S3個(gè)本征模函數(shù)，提取四類特征：頻域矩偏度、噪聲因子、能量比重，并選擇出典型特征值，建立典型特征庫(kù)；(3)雷達(dá)接收回波測(cè)試數(shù)據(jù)，并將其進(jìn)行預(yù)處理和經(jīng)驗(yàn)?zāi)B(tài)分解，得到一維測(cè)試數(shù)據(jù)的m′個(gè)本征模函數(shù)，選擇其中第一個(gè)本征模函數(shù)提取出四類特征值，組成一維測(cè)試特征向量；(4)將一維測(cè)試特征向量與典型特征庫(kù)內(nèi)數(shù)據(jù)進(jìn)行匹配，識(shí)別拖引干擾子類型。
【IPC分類】G01S7/41, G01S7/36
【公開(kāi)號(hào)】CN105022041
【申請(qǐng)?zhí)枴緾N201510309996
【發(fā)明人】李明, 張鵬, 祝存海, 左磊, 吳艷
【申請(qǐng)人】西安電子科技大學(xué)
【公開(kāi)日】2015年11月4日
【申請(qǐng)日】2015年6月8日