[发明专利]一种基于SVM的炮位侦校雷达目标分类识别算法

权利要求书

1.一种基于SVM的炮位侦校雷达目标分类识别算法，其特征在于：包括如下步骤：

S1，目标特征提取：从目标回波中分别提取目标的RCS特征和微动特征，并构建联合特征向量；

S2，SVM分类器训练：将构建的联合特征向量作为SVM分类器的训练输入，训练后得到分类器参数；

S3，SVM分类器测试：将待测试弹道测量数据中的跟踪帧作为测试样本，通过S2中训练好的SVM分类器，对所有跟踪帧的置信度进行固定门限检测，若过门限的跟踪帧个数超过本次弹道跟踪点迹的50％，判定本次弹道跟踪目标为155mm榴弹；否则，判定为122mm火箭弹。

2.根据权利要求1所述的基于SVM的炮位侦校雷达目标分类识别算法，其特征在于：S1中，提取目标的RCS特征包括提取目标的均值、方差、极差、变异系数、偏度系数、峰度系数，

设目标回波序列为x(n)＝{x₁,x₂,…,x_N}，N为一个相参处理周期内的脉冲总数，各个特征参数计算公式如下：

均值：

标准差：

极差：

X_maxmin＝max{x(n)}-min{x(n)}

变异系数：

偏度系数：

峰度系数：

3.根据权利要求2所述的基于SVM的炮位侦校雷达目标分类识别算法，其特征在于：提取目标的频谱熵作为微动特征，频谱熵计算方法为：

其中，X_k为x(n)经过傅里叶变换得到的能量谱。

4.根据权利要求3所述的基于SVM的炮位侦校雷达目标分类识别算法，其特征在于：S2中，SVM分类器训练步骤包括：

S21，提取待训练样本特征向量，各特征提取计算方法如S1；

S22，将提取训练的样本特征向量输入SVM分类器，对样本进行训练得到分类器参数。

5.根据权利要求1所述的基于SVM的炮位侦校雷达目标分类识别算法，其特征在于：S3中，SVM分类器测试步骤包括：

S31，提取待测试样本的特征向量，各特征提取计算方法如S1；

S32，将特征向量输入SVM分类器，确定最优分类面，得到单帧判别置信度；

S33，重复S32，直至所有测试弹道测量数据中的跟踪帧都完成置信度计算，并存入置信度序列；

S34，对置信度序列按固定门限进行过门限检测，若过门限的跟踪帧个数超过本次弹道跟踪点迹总数的50％时，判定本次弹道跟踪的目标为155mm榴弹，否则判定为122mm火箭弹。