[发明专利]基于分割混频的低重频调频连续波雷达飞机目标分类方法

权利要求书

1.一种基于分割混频的低重频调频连续波雷达飞机目标分类方法，包括：

1)雷达进行m个调频周期的观测，接收飞机目标的时域回波信号，得到时域回波矩阵s＝[s₁,s₂,…,s_i,…,s_m]^T，其中s_i是第i个调频周期的列向量回波，i＝1,2,…,m，T表示转置；

2)将每个调频周期的时域信号进行K倍的分割混频处理，得到分割混频处理后的时域回波差频信号矩阵s′；

2a)将时域回波矩阵s＝[s₁,s₂,…,s_i,…,s_m]^T中第一个调频周期的时域回波s₁进行K等分，得到第一个调频周期的时域回波K等分矩阵其中，j＝1,2,…,K；

2b)将K等分矩阵进行dechirp处理，得到第一个调频周期的时域回波的去调频K等分矩阵其中，表示去调频K等分矩阵的第j个列向量；

2c)将第一个调频周期的时域回波去调频K等分矩阵进行快速傅里叶变换，得到经过K等分割处理的第一个调频周期的时域回波的差频信号矩阵：其中，表示差频信号矩阵的第j个列向量，FFT[·]表示快速傅里叶变换，|·|表示取模运算；

2d)重复2a)到2c),对m个调频周期的时域信号均进行分割混频处理，得到分割混频处理后的时域回波差频信号矩阵其中，表示第i个调频周期时域回波的差频信号矩阵；

3)根据目标所在距离单元U,从时域回波差频信号矩阵s′取出第U列列向量即为目标时域回波信号，根据目标时域回波信号，得到时域波形熵feature1；对目标时域回波信号进行傅里叶变换，得到目标频域信号，根据目标频域信号，得到频域波形熵feature2；

4)重复步骤1)到3)，得到多组样本下的时域波形熵和频域波形熵特征，将得到的多组样本下的特征进行等分，分别作为训练样本提取的特征和测试样本提取的特征；

5)根据4)中提取的训练样本的特征训练分类器，将测试样本的特征输入训练好的分类器，根据分类器的输出得到目标类别。

2.根据权利要求1所述的方法，其中步骤3)中的时域波形熵feature1和频域波形熵feature2，计算如下：

3a)设目标所在距离单元的时域信号p和频域信号p′为：

p＝[p₁,p₂…,p_n,…,p_L]^T，

p′＝[p₁′,p₂′…,p_n′,…,p_L′]^T，

其中，p_n表示经过分割混频后的第n个脉冲的目标所在距离单元信号，p_n′表示对时域信号p进行快速傅里叶变换后对应频点的信号，n＝1,2,…,L，L＝mK；

3b)通过如下公式得出时域波形熵feature1和频域波形熵feature2：

其中

其中

3.根据权利要求1所述的方法，其中步骤5)中的利用训练样本的特征训练分类器，

是先将训练样本得到的时域波形熵feature1和频域波形熵feature2两种特征组成一个特征向量：feature＝{feature1,feature2}；再利用训练样本的特征向量feature做训练得到分类器。

4.根据权利要求1所述的方法，其中步骤5)中利用训练好的分类器对测试样本进行分类，按如下步骤进行：

5a)将从测试样本中提取的特征向量feature输入到训练好的支持向量机分类器中，按下式得到支持向量机分类器输出：

式中，||·||为范数运算，δ为支持向量机分类器的高斯核参数，取值1，f_v为第v个由训练过程得到的作为支持向量，ω_v为相应的第v个权系数，v＝1,2,...,Q，Q为训练过程得到的支持向量的个数；

5b)根据支持向量机分类器的输出y(feature)确定类别标号，得到飞机目标的分类结果。