[发明专利]基于综合特征的火炮目标识别方法

权利要求书

1.一种基于综合特征的火炮目标识别方法，其特征在于，包括以下内容：目标识别算法利用雷达测量数据分析目标的弹道特征、RCS特征、微动特征，根据先验信息与模板对目标进行单特征识别，然后利用单特征识别结果信息进行多特征决策级融合序贯识别；

步骤1、识别特征提取，弹道特征提取，RCS特征提取，微动特征提取；

步骤2、综合特征识别算法

利用存储的动态测量信息，进行时空序贯融合，利用多次观测的平滑结果来获得稳定的特征测量数据和识别结果；

序贯融合包含特征层面的融合以及决策层面的融合；在特征层融合时，通过时间内多次特征提取的结果进行统计分析和平滑滤波，获取稳定的特征进行多特征综合；利用多次不同姿态、不同工作方式下的特征序列，提供的信息进行综合识别。在进行决策层融合时，系统使用DS证据理论融合器将上一次的综合识别结果与当前识别结果进行融合；对当前融合结果和前一次序贯融合结果进行加权平均，减小随机扰动的影响，提高识别的稳定性。

2.根据权利要求1所述的基于综合特征的火炮目标识别方法，其特征在于，步骤1所述的弹道特征提取：根据目标特性分析，首先提取目标的弹道特征。雷达发现目标并起批跟踪，跟踪一段时间满足外推条件后，送弹道外推模块进行弹道外推，然后从外推结果中提取出射程、射角和初速等信息，将弹道特征送往对应的通道进行处理。

3.根据权利要求1所述的基于综合特征的火炮目标识别方法，其特征在于，步骤1所述的RCS特征提取：RCS统计特征包括RCS均值、方差、极差等。RCS反映目标雷达截面积的总体大小，目标变化的快慢与幅度，与目标的结构散射特性和微动快慢有关；RCS极差反映一段时间内目标RCS最大最小值之差，反映目标散射特性。故提取RCS特征能从整体上反映目标的尺寸大小、结构、散射特性。

4.根据权利要求3所述的基于综合特征的火炮目标识别方法，其特征在于，设RCS序列为x(n)＝{x₁，x₂，…，x_N}，窗函数为其中k为窗中心，M为窗长，均值、方差、极差计算公式为

5.根据权利要求1所述的基于综合特征的火炮目标识别方法，其特征在于，步骤1所述的微动特征提取：弹道目标除了质心的平动外，还有绕某些轴线进行的摆动、翻滚、进动和章动等微运动。这些微运动会对雷达回波产生调制，形成与目标微运动相联系的可区分不同目标的微多普勒特征。

6.根据权利要求5所述的基于综合特征的火炮目标识别方法，其特征在于，目标的微多普勒回波为

其中f_d为平动初始多普勒，λ为波长，为由于平动加速度导致的多普勒随时间产生的变化。为目标微动导致的微多普勒。

7.根据权利要求6所述的基于综合特征的火炮目标识别方法，其特征在于，如目标发生微动时，设锥旋半径为r，进动频率f₁Hz，章动频率f₂Hz，波长为λ，得其微多普勒为：

由上式可知，当雷达工作波长越小时，微多普勒越大。只有保证微动参数的正确提取，才能保证微动周期特征的稳定。