基于多极化多特征提取和SVM的目标识别方法

作者:杨磊;王晓丹;张玉玺;陈萌 刊名:现代防御技术 上传者:孙李丽

【摘要】充分有效地利用全极化雷达目标高分辨一维距离像极化信息是雷达目标特征提取领域一个热点问题。提取全极化雷达目标高分辨一维距离像的极化特征、结合其能量聚集区长度以及中心距特征共同构成特征向量,采用支持向量机进行特征分类,从而提出了一种基于多极化多特征提取和支持向量机的目标识别方法。基于转台数据的实验结果表明,提出的基于多极化多特征提取和支持向量机的目标识别方法有助于获得较高的分类正确率。

全文阅读

0引言雷达高分辨一维距离像(highrangeresolutionprofile,HRRP)是目标的二维像分别在雷达发射方向(纵向)及垂直方向(横向)的投影,包含了目标丰富的结构信息,可以用来对目标进行识别,是雷达自动目标识别领域研究的热点[1-3]。目前研究主要集中在对特征的有效提取和识别算法上[4],随着全极化高分辨成像技术在末制导雷达中逐步走向应用,基于全极化HRRP的目标识别技术受到广泛的关注。宽带全极化雷达目标HRRP提供了比单极化HRRP无法比拟的更多信息量,可以更好地反映目标的特性,从而有助于识别率的提高。通过对极化特征的提取,结合非极化方式下的特征,分类方法采用支持向量机,因为支持向量机(supportvectorma-chine,SVM)具有良好的泛化性能,更适用于军事目标识别这种小样本学习问题[5]。本文充分重视了极化信息在目标识别中的作用,提取雷达目标一维距离像的极化特征及4种极化方式下的能量区长度和中心矩特征组成多极化条件下的多特征向量,采用支持向量机的方法进行特征分类,从而提出了一种基于多极化多特征提取和SVM的目标识别方法,实验结果表明了该方法能够获得较高的分类正确率。1多极化HRRP特征提取方法在宽带多极化体制下,对目标进行一维距离成像,可以获得4种极化组合状态(HH,HV,VH和VV)下的HRRP,H,V分别表示水平、垂直极化。假设P(P=H或V)表示发射极化,Q(Q=H或V)表示接收极化,那么目标的4幅不同极化组合状态的HRRP为:{xPQ(n),n=0,1,2,…,N-1},其中,N为距离像单元的个数。图1是实测的方位角0时某型飞机缩比模型在4种极化方式下的HRRP。由图1可以看出,不同极化组合状态HRRP波形有较大的差别,特别是同极化HRRP(HH,VV)与交叉极化HRRP(HV,VH)分量之间。虽然各种极化组合状态HRRP的主要散射点的位置分布基本一致,但相同散射点在不同极化HRRP中的幅度存在明显差异,这说明对多极化HRRP进行多特征提取可以提高雷达目标的识别性能。1.1目标全极化HRRP的H//A/P特征熵是描述自然界混论程度的量,1997年,Cloude将“熵”的概念引入极化理论中,提出了对目标散射相关矩阵T进行特征分解的分解理论,定义了散射熵H和平均散射角[6],用于分析目标的散射特性。目标极化散射矩阵采用逆Fourier变换到时域后各个极化通道的高分辨率距离像矩阵HRRP=HRRPHHHRRPVHHRRPHVHRRP[VV]。在Pauli基下对该矩阵HRRP矢量化,可以得到散射矢量k=1槡2(HRRPHH+HR-RPVV,HRRPHH-HRRPVV,2HRRPHV)T,相关矩阵定图1方位角0时某型飞机在4种极化方式下的一维距离像Fig.1WhenAzimuthis0theonedimensionaldistanceofacertaintypeofaircraftinfourdifferentpolarizationmodes义为T=kkH,由于单静态互易后向散射的情况HR-RPHV=HRRPVH,所以T为半正定Hermit矩阵,对T进行特征分解,可以得到T=1u1u1H+2u2u2H+3u3u3H,(1)式中:i为第i个特征值,并且1>2>3;ui为归一化的第i个特征矢量,即ui=ejicosi,sinicosieji,sinicosiej(i)T,(2)式中:i表征了目标的散射机理;i为目标定向角;i为HRRPHH+HRRPVV相位;i为HRRPHH+HRRPVV与HRRPHH-HRRPVV之间

参考文献

引证文献

问答

我要提问