基于SKO-KPCA和SVM的雷达目标HRRP特征提取与识别

作者:朱正为;郭玉英;靳玉红 刊名:西南科技大学学报 上传者:焦艳平

【摘要】将依赖数据变化的自适应SKO技术和迭代算法引入KPCA算法中,结合SVM分类技术,提出了基于SKO-IKPCA和SVM的雷达目标HRRP特征提取与识别方法。讨论了HRRP预处理、迭代KPCA算法和SKO/FKO技术的实现方法,将SKO/FKO技术应用到KPCA的核优化中,并用人工合成数据对其优化性能进行了测试与比较,应用该方法对Su-27、F-16及M2000等三类飞机目标的实测HRRP数据进行了特征提取与识别实验。结果表明,所提方法具有较好的稳定性和可靠性,能有效地优化雷达目标主元特征的提取,提高目标的识别性能。

全文阅读

高分辨距离像(HRRP)是雷达目标的一维特征,它是目标对高距离分辨率雷达脉冲时域响应的一种描述。HRRP包含目标尺寸、散射体分布等结构信息,因此对目标识别与分类具有十分重要的价值。基于HR-RP的自动目标识别作为现代战争环境感知和目标识别的主要方法之一,近年来受到国内外雷达目标识别研究人员的高度重视,已成为该领域的研究热点[1-4]。目前,基于HRRP的目标识别方法主要有基线法、相关法、双谱法、二次型法、主特征向量法[1]等。它们依据某一度量准则建立,适用于不同统计结构的数据,在雷达目标识别中各有千秋,互有短长。其中Schlkopf等人将核函数引入主分量分析(PCA)中,将主分量分析推广到非线性情形,提出了一种基于核函数的主分量分析(KPCA)特征提取方法[2],该方法在飞机、舰船、坦克等目标识别中得到了广泛应用[3-4]。然而对于同一目标识别问题,如果选用不同的核函数,基于KPCA特征提取与识别方法将会产生不同的特征提取与分类效果。因此,针对不同的应用构造(选择)合适的核函数与核参数以提高识别性能是一个值得研究的问题。本文在分析研究SKO算法[5-6]和KPCA迭代算法[2]的基础上,结合SVM分类技术,提出了基于SKO-IKPCA和SVM的雷达目标HRRP特征提取与识别方法。论文首先讨论了雷达目标HRRP的特性与预处理,介绍了迭代KPCA算法的原理;然后将SKO与FKO算法应用到KPCA的核优化中,并用人工合成数据对它们的优化性能进行了测试与比较;最后选择SKO-KPCA算法,结合SVM分类技术,对Su-27、F-16及M2000等三类飞机目标实测HRRP转台数据进行了特征提取与识别实验。1距离像的预处理高分辨雷达距离像对目标方位、距离和雷达参数等变化敏感,具有方位敏感性、时移敏感性和幅度敏感性等特点[4]。为了利用距离像实现目标识别,在特征提取与识别之前,必须对目标距离像数据进行必要的预处理。1.1HRRP方位敏感性及预处理目标上同一距离单元内(纵向距离相同)的各散射点,当成像角度发生变化时,将引起纵向上的相对移动,由此会导致散射点的距离游动或闪烁现象,从而得到不同的距离像。为了解决方位敏感性问题,我们通过分角域建模方法,为每个目标在每一小角域中建立一个模板(要求散射点不发生越距单元走动MTRC,即<R/L,其中R为距离分辨率,L为同一距离单元内两散射点的距离,为目标转动角度。本文实际取值为0.1,远远小于理论计算值1.679)供目标识别使用。当然,也可通过Mellin变换和基于准则函数的特征提取(KL变换)等方法提取HRRP的姿态不敏感特征解决方位敏感问题。1.2HRRP时移敏感性及预处理时移敏感性是目标相对雷达的移动引起的。在相同方位角但不同距离下目标的HRRP在距离窗内的位置将发生平移。在散射点未发生MTRC的前提下,我们采用距离对准法(range-profile-aligning,有相关对齐和零线性相位对齐两种方法)将用于比较的两个HRRP或距离像帧进行对齐,从而解决HRRP平移敏感性问题。另外,也可采用提取HRRP平移不变特征的方法来实现,如傅立叶变换和高阶谱(特别是双谱)特征等方法。1.3HRRP幅度敏感性及预处理即使是同一目标的同一视角,不同雷达接收机或者同一雷达接收机不同次接收获得的HRRP,其强度(幅度)也通常不能保证相同,而是随着雷达发射功率、目标距离、目标方向的雷达增益、电波传播、雷达高能系统损耗和雷达接收机增益等因素而发生变化。为了克服HRRP的幅度敏感性,一般对HRRP进行二范数归一化处理。归一化处理主要包括幅度归

参考文献

引证文献

问答

我要提问