[发明专利]基于综合特征的火炮目标识别方法

说明书

本发明公开了一种基于综合特征的火炮目标识别方法，具体的实施方式如下：雷达发现目标并进行跟踪，获得弹丸飞行的航迹信息，从航迹信息中提取出速度、射角、射向、距离等弹道特征；提取目标多个点迹的RCS信息；提取目标多个点迹的微动信息；进行综合特征识别；不需要弹丸从发射到落点的完整航迹，只需要跟踪一段飞行的航迹，即可完成准确的目标识别，大幅降低雷达的能量消耗，提高识别速度；对弹道重叠目标的识别准确率大幅提高，从原来的60％提高85％以上。

技术领域

本发明涉及炮位雷达信息处理，具体涉及一种基于综合特征的火炮目标识别方法。

背景技术

地面炮位侦校雷达的主要任务是探测跟踪战场上敌方火炮的弹丸，雷达对飞行弹丸 跟踪一小段时间，经弹道外推后在短时间内确定敌方火炮的位置，同时识别出敌方火炮的类型。由于国内外火炮类型众多，战场射击条件复杂，很多不同类型的火炮在不同射 击条件下具有相似的弹道，在速度、射角、弹道高和射击距离等特征上均存在重叠区， 因此普通的目标识别算法识别的准确率都不高，常常出现误判；并且在现有的目标识别 算法中，需要对弹丸全程跟踪(火炮发射到弹丸落地)，才能比较准确的完成目标识别， 这就造成雷达能量浪费，识别速度很慢，严重影响作战使用。

发明内容

针对种类繁多的火炮弹道相互重叠严重的问题，普通的目标识别方法难以识别，提出 基于综合特征的目标识别新方法，解决目标识别准确率不高、识别速度不够快的问题，可 以大幅提高识别准确率和识别速度，为指挥员的决策提供参考。

为实现上述目的，本发明提供如下技术方案：

基于综合特征的火炮目标识别方法,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

在进行识别时，单次特征测量和综合识别结果可能会受到随机因素的扰动，影响识 别结果。此外，单次观测获取的目标特征信息不足以代表目标的全部特性，也会由于目标信息的不足影响识别结果。为消除单次测量和单次判决的随机性影响，充分利用多次 观测中的目标特征信息，可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，可通过对一定 时间内多次特征提取的结果进行统计分析和平滑滤波，获取更为稳定的特征进行多特征综 合；也可利用多次不同姿态、不同工作方式下的特征序列，提供更丰富的信息进行综合识 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；还可以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。

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。

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。

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