[发明专利]基于三阶LPC技术的飞机目标分类方法

摘要

本发明公开了一种基于三阶LPC技术的飞机目标分类方法，主要解决雷达驻留时间较短，脉冲重复频率较低时，飞机目标分辨率低的问题。其实现过程是：从飞机雷达回波数据中分离出旋翼回波信号；提取旋翼回波信号的时域和多普勒域三阶LPC系数，构成特征向量；对特征向量进行归一化，用训练样本的特征向量对分类器进行训练；将测试样本的特征向量输入到分类器进行分类。本发明将三阶LPC技术应用到飞机目标分类领域，在低重频和驻留时间短的情况下仍具有较好的分类效果，可用于三类飞机目标的分类。

主权项

1.基于三阶LPC技术的飞机目标分类方法，包括如下步骤：(1)从飞机的雷达回波信号中分离出X组旋翼回波信号作为时域训练样本集：S＝{S₁,S₂,…,S_i,…,S_X}，从飞机的雷达回波信号中分离出Y组旋翼回波信号作为时域测试样本集：S'＝{S'₁,S'₂,…,S'_j,…,S'_Y}，其中S_i表示第i个时域训练样本，X表示训练样本总数，S'_j表示第j个时域测试样本，Y表示测试样本总数；(2)由时域训练样本集S经过快速傅里叶变换得到多普勒域训练样本集Q＝{Q₁,Q₂,…,Q_i,…,Q_X}，由时域测试样本集S'经过快速傅里叶变换得到多普勒域测试样本集Q'＝{Q'₁,Q'₂,…,Q'_j,…,Q'_Y}，其中Q_i表示第i个多普勒域训练样本，Q'_j表示第j个多普勒域测试样本；(3)提取时域训练样本集S的三阶LPC系数，得到时域训练特征向量FS＝[FS₁；FS₂；…；FS_i；…；FS_X]，FS维数为X×3，其中FS_i表示第i个时域训练样本的时域训练特征向量，FS_i＝[FS1_i，FS2_i，FS3_i]，FS_i维数为1×3，FS1_i表示第i个时域训练样本的第一个LPC系数，FS2_i表示第i个时域训练样本的第二个LPC系数，FS3_i表示第i个时域训练样本的第三个LPC系数；(4)提取多普勒域训练样本集Q的三阶LPC系数，得到多普勒域训练特征向量FQ＝[FQ₁；FQ₂；…；FQ_i；…；FQ_X]，FQ维数为X×3，其中FQ_i表示第i个多普勒域训练样本的多普勒域训练特征向量，FQ_i＝[FQ1_i，FQ2_i，FQ3_i]，FQ_i维数为1×3，FQ1_i表示第i个多普勒域训练样本的第一个LPC系数，FQ2_i表示第i个多普勒域训练样本的第二个LPC系数，FQ3_i表示第i个多普勒域训练样本的第三个LPC系数；(5)对时域训练特征向量FS进行归一化，得到归一化后的时域训练特征向量维数为X×3，其中为第i个训练样本的归一化的时域训练特征向量；(6)对多普勒域训练特征向量FQ进行归一化，得到归一化后的多普勒域训练特征向量维数为X×3，其中为第i个训练样本的归一化的多普勒域训练特征向量；(7)利用归一化后的时域训练特征向量和归一化后的多普勒域训练特征向量构建训练特征向量f维数为X×6，将训练特征向量f输入到分类器中，对分类器进行训练，得到训练后的分类器；(8)提取时域测试样本集S'和多普勒域测试样本集Q'的三阶LPC系数得到时域测试特征向量FS'和多普勒域测试特征向量FQ'，对FS'和FQ'归一化得到归一化后的时域测试特征向量和归一化后的多普勒域测试特征向量将其构成测试特征向量u维数为Y×6；(9)将测试特征向量u输入到训练后的分类器中，识别出输入的测试样本的飞机类别。