[发明专利]基于先验最优变分自编码机的HRRP目标识别方法

说明书

本发明公开了一种基于先验最优变分自编码机的雷达高分辨距离像目标识别方法，主要解决现有技术识别率不高的问题，其实现步骤为：1)获取雷达高分辨距离成像数据，并将成像数据分为训练样本集和测试样本集；2)对雷达高分辨距离像数据进行预处理，并构建由两个感知机组成的先验最优变分自编码机；3)利用训练集数据对先验最优变分自编码机进行训练，得到训练好的第一多层感知机和第二多层感知机；4)提取出训练集对应的隐变量特征a训练支持向量机SVM；5)提取测试集对应的隐变量特征b，并通过训练好的支持向量机SVM完成对测试集的目标识别。本发明显著提高了识别率，并提高了对带噪样本识别的鲁棒性，可用于对环境检测和航迹跟踪。

技术领域

本发明属于雷达技术领域，特别涉及一种雷达高分辨距离像HRRP目标识别方法，可用于对环境检测和航迹跟踪。

背景技术

雷达的距离分辨率正比于匹配滤波后的接收脉冲宽度，且雷达发射信号的距离单元长度满足：ΔR为雷达发射信号的距离单元长度，c为光速，τ为匹配接收的脉冲宽度，B为雷达发射信号的带宽。雷达距离分辨率的高低是相对于观测目标而言的，当所观测目标沿雷达视线方向的尺寸为L时，如果L＜＜ΔR，则对应的雷达回波信号宽度与雷达发射脉冲宽度近似相同，通常称为“点”目标回波，这类雷达为低分辨雷达；如果L＞＞ΔR，则目标回波成为按目标特性在距离上延伸的“一维距离像”，这类雷达为高分辨雷达，其中符号＜＜表示远远小于，＞＞表示远远大于。

高分辨雷达工作频率相对于一般目标位于高频区，发射宽带相干信号，雷达通过对目标发射电磁波，接收到回波数据。通常回波特性采用简化的散射点模型计算得到，即采用忽略多次散射的波恩一级近似。

高分辨雷达回波中呈现出的起伏和尖峰，反映着在一定雷达视角时目标上散射体，如机头、机翼、机尾方向舵、进气孔、发动机等的雷达散射截面积RCS沿雷达视线RLOS的分布情况，体现了散射点在径向的相对几何关系，常称为高分辨距离像HRRP。因此，该HRRP的样本包含目标重要的结构特征，对目标识别与分类很有价值。

目前，已经发展出许多针对高分辨距离像HRRP数据的目标识别方法，包括使用较为传统的支持向量机直接对目标进行分类，使用基于时域卷积神经网络进行分类，利用限制玻尔兹曼机的特征提取方法，但这些方法的共同不足是：对目标识别的准确率不高。

发明内容

本发明目的在于针对上述现有技术存在的不足，提出一种基于先验最优变分自编码机的雷达高分辨距离像HRRP目标识别方法，以能够提高目标的识别准确率。

为实现上述目的，本发明的技术方案包括如下：

(1)提取Q类目标的雷达回波在雷达视线上沿着距离维的成像数据x，并将Q类高分辨距离成像数据随机分为训练样本集和测试样本集；其中，Q为大于0的正整数；

(2)对成像数据进行均值归一化的预处理，得到预处理后的数据x'；

(3)构建由两个感知机组成的先验最优变分自编码机；

(3a)设置第一多层感知机，该感知机包含两个隐层，每个隐层分别有400个节点，感知机的输入维度为256，输出维度为60；

(3b)设置第二多层感知机，该感知机包含两个隐层，每个隐层分别有400个节点，感知机的输入维度为30，输出维度为256；

(3c)将第一多层感知机的输出进行重参法处理，并将重参法处理后的第一多层感知机的输出作为第二多层感知机的输入，构成先验最优变分自编码机；

(4)利用训练集数据x'对先验最优变分自编码机进行训练，学习第一多层感知机和第二多层感知机的参数，得到训练好的第一多层感知机和第二多层感知机；

(5)将训练集数据和测试集数据依次输入到训练好的第一多层感知机中，分别提取出训练集对应的隐变量特征a和测试集对应的隐变量特征b；