[发明专利]基于高分辨距离像和单脉冲测角的群目标识别方法

摘要

本发明涉及一种基于高分辨距离像和单脉冲测角的群目标识别方法，用于雷达群目标识别。针对传统群目标识别方法要求各子目标相对雷达运动、且运算量较大的不足之处，提出基于高分辨距离像和单脉冲测角的群目标识别方法。该方法基于高分辨距离像和单脉冲测角信息，形成“方位向距离‑径向距离”二维平面，在此二维平面上采用均值漂移聚类算法完成聚类并提取各个子目标的HRRP，并不利用目标的运动信息，因此对各个子目标的是否运动无约束，解决了传统方法要求各子目标相对雷达运动的要求；该方法利用散射点幅度信息，对传统的均值漂移聚类算法从初值选择和样本权重两个方面做了改进，提升了均值漂移算法的迭代效率，解决了传统方法运算量较大的问题。

主权项

1.一种基于高分辨距离像和单脉冲测角的群目标识别方法，其特征在于步骤如下：步骤1：利用公式(1)计算每个散射点的方位向距离D_i，从而得到了“径向距离‑方位向距离”二维平面，第i个散射点样本记为x_i＝(R_i；D_i；A_i)，所有散射点样本集记为w，w＝{x₁,x₂,...x_n}：D_i＝R_i·θ_i/57.3,i＝1,2,...,...N  (1)其中，θ_i为群目标第i个散射点的方位角误差，R_i为群目标第i个散射点的距离，A_i为群目标第i个散射点的幅度；步骤2：利用集合w内所有样本点，利用公式(2)计算均值漂移算法中圆心初值u₀；其中表示当A_i取最大值时的R和D的值；步骤3：将u₀为圆心，预设值r为半径内所有样本记为集合w₁，对集合w₁内样本利用公式(3)更新圆心；步骤4：不断重复步骤3，直到圆心的值不再发生变化；步骤5：圆心u₀，r为半径内所有散射点即为其中一个子目标的散射点，散射点样本中幅度信息即为其HRRP；步骤6：将未归类的其他散射点样本，更新集合w，即w＝w∩not(w₁)，不断重复步骤2～5，得到其他子目标的HRRP，直到w为空集则停止重复，得到多个子目标的HRRP，算法完成。