基于稀疏散射中心提取的距離像數(shù)據(jù)外推方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)據(jù)處理技術(shù)領(lǐng)域，涉及小角域內(nèi)樣本的數(shù)據(jù)外推，可用于解決目標(biāo) 識(shí)別。
【背景技術(shù)】
[0002] 當(dāng)目標(biāo)沿雷達(dá)視線方向RLOS的尺寸遠(yuǎn)大于雷達(dá)的距離分辨率時(shí)，就不能把目標(biāo) 當(dāng)作一個(gè)"點(diǎn)"來(lái)處理。而由于目標(biāo)占據(jù)多個(gè)距離分辨單元，相應(yīng)的雷達(dá)回波中呈現(xiàn)出的 起伏和尖峰，就反映著目標(biāo)散射點(diǎn)沿距離方向上的分布，這些回波就被稱為高分辨距離像 HRRP 0
[0003] 近年來(lái)，基于HRRP的雷達(dá)目標(biāo)識(shí)別技術(shù)由于其特有的優(yōu)勢(shì)越來(lái)越引起各國(guó)的關(guān) 注，其可分為基于特征提取和核函數(shù)分類器以及基于統(tǒng)計(jì)建模的HRRP識(shí)別方法兩類。
[0004] 1)基于特征提取和核函數(shù)分類器方法，是通過(guò)提取具有可分性的特征，如功率譜 特征、中心距特征等，然后使用支撐向量機(jī)分類器SVM、相關(guān)向量機(jī)分類器RVM等核函數(shù)分 類器對(duì)上述特征進(jìn)行分類。該方法對(duì)核參數(shù)有較強(qiáng)的敏感性，不同的參數(shù)選擇可能導(dǎo)致截 然不同的識(shí)別結(jié)果。
[0005] 2)基于統(tǒng)計(jì)建模方法，是通過(guò)對(duì)HRRP樣本進(jìn)行統(tǒng)計(jì)建模，使用訓(xùn)練樣本估計(jì)統(tǒng)計(jì) 模型參數(shù)，最后使用貝葉斯決策進(jìn)行分類。常用的方法包括基于獨(dú)立高斯模型的自適應(yīng)高 斯分類器AGC模型、基于聯(lián)合高斯分布的因子分析FA模型等。該方法需要大量的訓(xùn)練樣本 對(duì)模型參數(shù)進(jìn)行估計(jì)，因此對(duì)訓(xùn)練樣本個(gè)數(shù)要求較高。
[0006] 然而，在實(shí)際情況中，由于目標(biāo)的非合作性，使得雷達(dá)很難獲得目標(biāo)在較長(zhǎng)時(shí)間內(nèi) 的連續(xù)回波，可用于估計(jì)模型參數(shù)的樣本個(gè)數(shù)很少，進(jìn)而影響統(tǒng)計(jì)模型的準(zhǔn)確性，難以得到 理想的識(shí)別結(jié)果。因此考慮如何在小角域內(nèi)少量樣本的情況下得到較高的識(shí)別結(jié)果是亟待 解決的問(wèn)題。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的在于針對(duì)上述現(xiàn)有技術(shù)的不足，提出一種基于稀疏散射中心提取的 距離像數(shù)據(jù)外推方法，以增多樣本個(gè)數(shù)，提高目標(biāo)識(shí)別率。
[0008] 本發(fā)明的技術(shù)思路是在小角域內(nèi)復(fù)HRRP樣本數(shù)較少的情況下，通過(guò)對(duì)已有的樣 本進(jìn)行ISAR成像。由于高分辨率ISAR圖像可近似看成由少量強(qiáng)散射點(diǎn)的后向散射回波之 和，說(shuō)明雷達(dá)回波具有很強(qiáng)的稀疏性，因此可以用稀疏的散射中心模型來(lái)近似代替復(fù)雜的 真實(shí)模型。利用估計(jì)得到的目標(biāo)散射中心模型，通過(guò)外推得到更大角域內(nèi)的復(fù)HRRP樣本， 進(jìn)而在假設(shè)在外推過(guò)程中目標(biāo)散射中心模型不發(fā)生變化的情況下，增多樣本個(gè)數(shù)，提高模 型參數(shù)估計(jì)的準(zhǔn)確性，最終達(dá)到提高目標(biāo)識(shí)別率的目的。其實(shí)現(xiàn)步驟如下。
[0009] 實(shí)現(xiàn)本發(fā)明的技術(shù)方案，包括如下步驟：
[0010] 1. -種基于稀疏散射中心提取的距離像數(shù)據(jù)外推方法，包括如下步驟：
[0011] 1)對(duì)已獲取的復(fù)高分辨距離像HRRP按角域分幀，將角域a內(nèi)的連續(xù)復(fù)HRRP樣本
[0012] 2)對(duì)每一幀內(nèi)的復(fù)HRRP樣本E進(jìn)行ISAR成像，根據(jù)ISAR圖像散射中心距離維 坐標(biāo)參數(shù)X的取值范圍X和方位維坐標(biāo)參數(shù)y的取值范圍Y，得到散射中心的位置集合@D ={(x, y) I x G X, y G Y}；
[0013] 3)根據(jù)散射中心的位置集合?D，對(duì)第i個(gè)位置參數(shù)組合（Xl， yi)產(chǎn)生對(duì)應(yīng)的原子 山，將不同原子山列向量化，并進(jìn)行能量歸一化，得到字典D (X，y I @ D);
[0014] 4)用字典D(x，y| 0D)表示復(fù)HRRP樣本E的列向量化S = D(x，y| 0D) ? 〇，其中， 〇表示字典原子對(duì)應(yīng)的散射系數(shù)向量，其個(gè)數(shù)與字典原子個(gè)數(shù)相同；
[0015] 5)對(duì)上式S進(jìn)行稀疏求解，得到S的稀疏表達(dá)，即目標(biāo)的稀疏散射中心參數(shù)集合：
[0017] 其中，#表示#中參數(shù)組合的個(gè)數(shù)，爲(wèi)表示第i個(gè)參數(shù)組合對(duì)應(yīng)的復(fù)強(qiáng)度，（天4) 表示第i個(gè)參數(shù)組合對(duì)應(yīng)的位置信息；
[0018] 6)根據(jù)目標(biāo)散射中心參數(shù)組合#，通過(guò)下式得到外推角域內(nèi)的復(fù)HRRP樣本
[0021] 7)對(duì)每一幀內(nèi)的數(shù)據(jù)進(jìn)行步驟2)到步驟6)操作，得到各幀外推后的復(fù)HRRP樣 本，對(duì)各幀復(fù)HRRP樣本作逆快速傅里葉變換IFFT，并取模值，得到外推后時(shí)域?qū)岺RRP樣本， 用于后續(xù)的目標(biāo)識(shí)別。
[0022] 本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[0023] 1 ?解決了可用HRRP數(shù)據(jù)較少的問(wèn)題。
[0024] 現(xiàn)有技術(shù)中，對(duì)可用復(fù)HRRP樣本數(shù)較少的問(wèn)題始終不能較好的解決，本發(fā)明提出 通過(guò)目標(biāo)的二維ISAR圖像進(jìn)行散射中心的提取，可以較準(zhǔn)確的得到目標(biāo)散射中心的參數(shù) 組合，保證了外推角域后復(fù)HRRP樣本的準(zhǔn)確性，較好的解決了可用HRRP數(shù)據(jù)較少的問(wèn)題；
[0025] 2.提高了小樣本情況下的雷達(dá)目標(biāo)識(shí)別率。
[0026] 現(xiàn)有的基于統(tǒng)計(jì)建模的HRRP識(shí)別方法均是以大量訓(xùn)練數(shù)據(jù)為前提的，只有在訓(xùn) 練樣本足夠多的情況下，估計(jì)得到的統(tǒng)計(jì)模型才有可信度，而實(shí)際情況中，由于大多數(shù)空中 目標(biāo)的非合作性，得到的回波數(shù)據(jù)往往是有限的，本發(fā)明提出的基于少量復(fù)HRRP樣本的散 射中心估計(jì)，根據(jù)估計(jì)模型進(jìn)行數(shù)據(jù)外推的方法可以有效提高識(shí)別率。
【附圖說(shuō)明】
[0027] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖；
[0028] 圖2是用本發(fā)明外推后的數(shù)據(jù)和現(xiàn)有數(shù)據(jù)進(jìn)行目標(biāo)識(shí)別的識(shí)別率比較圖。
【具體實(shí)施方式】
[0029]參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)步驟如下：
[0030] 步驟1，復(fù)HRRP樣本的獲取與分幀：
[0031] 在實(shí)際情況下，由于大多數(shù)目標(biāo)的非合作性，雷達(dá)獲取的復(fù)HRRP數(shù)據(jù)往往是有缺 失的，本發(fā)明是對(duì)已獲得的復(fù)高分辨距離像HRRP按角域分幀，將角域a內(nèi)的連續(xù)復(fù)HRRP 樣本定義為一幀數(shù)據(jù)，其中，《 ，B表示雷達(dá)帶寬，L表示目標(biāo)橫向尺寸，c表示光速。
[0032] 步驟2,對(duì)每一幀數(shù)據(jù)進(jìn)行ISAR成像。
[0033] 以飛機(jī)目標(biāo)雅克的實(shí)測(cè)數(shù)據(jù)為例，距離像維度為256,每一幀數(shù)據(jù)共包含32次復(fù) HRRP樣本，則ISAR圖像的維度為256 X 32,對(duì)每一幀內(nèi)的復(fù)HRRP樣本E作二維逆快速傅里 葉變換，得到該幀數(shù)據(jù)的ISAR圖像，根據(jù)ISAR圖像散射中心距離維坐標(biāo)參數(shù)X的取值范圍 X和方位維坐標(biāo)參數(shù)y的取值范圍Y，得到散射中心的位置集合? D={(X，y) |x G X，y G Y}。
[0034] 步驟3,根據(jù)散射中心位置參數(shù)0 D，產(chǎn)生字典D (x，y I 0 D)。
[0035] 3a)根據(jù)步驟2中得到的散射中心位置參數(shù)?D，按下式產(chǎn)生不同參數(shù)組合對(duì)應(yīng)的 原子：
[0037] 式中，Cl1表示位置參數(shù)? D中第i組位置參數(shù)（X i，yi)對(duì)應(yīng)的字典原子，M表示復(fù) HRRP樣本的維度，M = 256,頻點(diǎn)m = 1，2,…，256, N表示外推前復(fù)HRRP樣本個(gè)數(shù)，N = 32， n為外推前復(fù)HRRP樣本的方位，n = -15, -14,…，15, 16 ;
[0038] 3b)將不同原子山列向量化，并進(jìn)行能量歸一化，得到字典D(x，y I ? D)為：
[0041] 其中，Q表示字典D(x, y| ?D)中的原子個(gè)數(shù)，vec( ?)表示列向量化操作，I I ? I |2 表示2范數(shù)算子。
[0042] 在此需要說(shuō)明的是，字典D(x，y I ?D)對(duì)應(yīng)位置參數(shù)?D的細(xì)密程度決定了估計(jì)的 準(zhǔn)確性和運(yùn)算量，位置參數(shù)? D越密，估計(jì)的準(zhǔn)確性越高，但運(yùn)算量也越大；位置參數(shù)? ：>越 稀，估計(jì)的準(zhǔn)確性越低，運(yùn)算量越小。當(dāng)字典參數(shù)組合的坐標(biāo)參數(shù)（x，y)以1等間隔產(chǎn)生時(shí)， 稱字典的基為傅里葉基；當(dāng)坐標(biāo)參數(shù)（x，y)以0. 5等間隔產(chǎn)生時(shí)，稱字典的基為二倍超分辨 基。本發(fā)明分別采用上述兩種基產(chǎn)生字典進(jìn)行目標(biāo)稀疏散射中心的提取，并比較最終的識(shí) 別結(jié)果。
[0043] 步驟4,用字典D(x，y I 0D)表示該幀內(nèi)復(fù)HRRP樣本E的列向量化S = D(x，yI?D) ?。，其中，。表示字典原子對(duì)應(yīng)的散射系數(shù)向量，其個(gè)數(shù)與字典原子個(gè)數(shù)相同。
[0044] 步驟5,對(duì)上式復(fù)HRRP樣本E的列向量化S進(jìn)行稀疏求解，得到該幀復(fù)HRRP樣本 E的列向量化S的稀疏表達(dá)。
[0045] 本步驟的實(shí)現(xiàn)是在字典D(x，y| ?D)中尋找最少的位置集合，得到最接近S的結(jié) 果，其數(shù)學(xué)表達(dá)式如下：
[0047] s. t. I IS-D(X，y I ? D) ?。I 1e，
[0048] 式中，J表示稀疏求解后得到的散射系數(shù)向量，D(x，yI?D)表示步驟2)中產(chǎn)生的 字典，I I ? I I。為0范數(shù)算子，I I ? I I 2為2范數(shù)算子；e重構(gòu)能量誤差約束因子，其根據(jù)目 標(biāo)占整幅ISAR圖像的能量比確定；
[0049] 對(duì)散射系數(shù)向量2采用正交匹配追蹤OMP法求解，得到列向量化S的稀疏表達(dá)，即 目標(biāo)的稀疏散射中心參數(shù)集合合=p,,i,, ;
[0050]OMP算法的具體步驟如下：
[0051] 5a)初始化操作，定義殘差信號(hào)r并初始化為S，將迭代過(guò)程中被選中位置集合 初始化為空，迭代次數(shù)c = 1，定義重構(gòu)能量比n。= 〇，n := 1，定義S為相鄰迭代的 重構(gòu)能量比的變化量的門(mén)限，本發(fā)明取S = 0.0005;
[0052] 5b)計(jì)算字典D (X，y I 0D)與殘差信號(hào)r的相關(guān)系數(shù)向量Cor :
[0053] Cor=D(x,yI0D)H ?r
[0054] 其中（?）H表示共輒轉(zhuǎn)置操作。求出相關(guān)系數(shù)向量Cor中最大值對(duì)應(yīng)的參數(shù)組合 MH)，將其添加到被選中位置集合?'中，即?' = ?' U {0J ;
[0055] 5c)利用最小二乘方法計(jì)算被選中參數(shù)組合對(duì)應(yīng)的系數(shù)向量A':
[0056]
[0057] 其中D' (x，y|?')表示被選中的位置組合對(duì)應(yīng)的字典原子，（f表示矩陣的穆 爾-彭羅斯Moore-Penrose逆矩陣；
[0058] 5d)更新殘差信號(hào)r :
[0059] r=S-D' （X，yI? '）?A'
[0060] 5e)計(jì)算重構(gòu)能量比nc:
[0062] 其中，S。表示迭代c次后的重構(gòu)信號(hào)，If表示2范數(shù)的平方，用以計(jì)算信號(hào)能量；
[0063]5f)若# S，則停止迭代，位置集合若不成立