[发明专利]一种基于极化散射变换的冲淡式箔条干扰识别方法在审

专利信息
申请号: 201711373114.0 申请日: 2017-12-19
公开(公告)号: CN108169737A 公开(公告)日: 2018-06-15
发明(设计)人: 李永祯;刘业民;邢世其;王雪松;肖顺平;孙豆;崔刚 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G01S13/02 分类号: G01S13/02;G01S7/40
代理公司: 北京慧泉知识产权代理有限公司 11232 代理人: 王顺荣;唐爱华
地址: 410073 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 箔条干扰 极化 散射 计算目标 极化散射矩阵 分类识别 干扰识别 获取目标 交叉极化 散射参数 共极化 极化性 取向 防空 鉴别 应用 研究
【权利要求书】:

1.一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,包括如下步骤:

步骤一:获取目标和箔条的极化散射矩阵;

步骤二:分别计算目标和箔条的极化散射参数

步骤三:分别计算目标和箔条的共极化与交叉极化通道的相关性绝对值

步骤四:利用SVM方法实现箔条冲淡式干扰的分类识别。

2.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,步骤1中,当雷达受到冲淡式箔条干扰时,雷达系统会同时检测到目标和箔条假目标,为了分辨出真假目标,需要进一步对目标和箔条进行极化识别;定义雷达正交极化基分别为水平极化基h与垂直极化基v,把真假目标的全极化回波数据通过极化测量方法获取其极化散射矩阵:

其中,S为极化散射矩阵,极化散射矩阵中包含四个元素:shh表示水平共极化项;svv表示垂直共极化项;shv和svh表示交叉极化项,在这里满足互易性原理,有shv=svh

3.根据权要求2所述的一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,所述的全极化回波数据包含水平极化通道数据回波、垂直极化通道数据回波和两个交叉极化通道数据回波。

4.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,在步骤2中,还包括如下步骤:

2.1:在获取目标和箔条的极化散射矩阵基础上,计算目标和箔条的相干矩阵T3,其计算公式为:

其中,<·>,|·|和上标*分别表示平均操作符,绝对值和取共轭操作符;

2.2:根据相干矩阵T3,计算其特征矢量和特征值:

其中,λ1,λ2和λ3分别为相干矩阵T3的三个特征值,u1,u2和u3分别为与三个特征值λ1,λ2和λ3相对应的3个正交单位特征矢量,∑表示求和等号,上标T表示矩阵转置操作符;

2.3:计算极化散射参数其计算公式为:

其中,是伪随机概率,αi=arccos|(ui1)|,arccos(·)为反余弦函数。

5.根据权要求1所述的一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,在步骤3中,在目标和箔条的极化散射矩阵基础上,计算目标和箔条的共极化与交叉极化通道的相关性绝对值其计算公式为

其中,操作符E(·)表示求均值。

6.根据权要求5所述的一种基于极化散射变换的冲淡式箔条干扰识别方法,其特征在于,在步骤4中,还包括以下步骤:

4.1:收集数据:收集步骤一中的目标和箔条的极化散射矩阵数据;

4.2:选择特征向量和个数:选取和作为特征向量,个数为2;

4.3:特征提取和特征向量的构建;根据公式(4)和公式(5)分别计算和的值,将计算结果构成一个二维特征向量

4.4:机器学习和获得SVM模型:机器学习即训练数据,选择Step 3中二维特征向量的前一半数据进行训练,训练方法采用MATLAB软件中自带函数svmtrain(·);

4.5:测试SVM模型;选择Step 3中二维特征向量的后一半数据进行测试SVM模型,测试方法采用MATLAB软件中自带函数svmclassify(·),该函数输出结果可以直接获得目标和箔条的识别率。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711373114.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top