基于雷达时域回波的目标识别特征提取方法
【技术领域】
[0001]本发明涉及信号处理技术领域，特别涉及一种基于雷达时域回波的目标识别特征提取方法。
【背景技术】
[0002]目前基于雷达回波信号的特征提取主要有RCS特征、调制谱特征、极化特征和极点特征等。其中，RCS特征是利用回波信号幅度的变化来判定目标的形状及运动规律，一般用于窄带雷达，很难做到对目标的个体识别。调制谱特征一般是利用目标上微动部件的调制信息来对目标识别，该方法不仅需要回波信号中含有微动调制信息，而且该方法对信噪比要求较高，一般也只用于目标分类；极化特征不仅需要极化天线来提取回波信号中的极化信息，同时也增加了数据处理量，该特征一般也只用来对目标进行分类；极点特征能实现对目标的个体识别，但该方法对噪声敏感，而且如果雷达发射的信号频率或带宽不适当，也不能激发目标的主要极点，正是因为这些原因限制了该方法在工程上的应用。
【发明内容】
[0003]针对现有技术中的不足，本发明提供一种基于雷达时域回波的目标识别特征提取方法，去除耦合在雷达回波中的目标速度、距离等非结构属性参数，只保留目标的结构属性，利用该目标识别特征实现对目标的超分辨识别。
[0004]按照本发明所提供的设计方案，一种基于雷达时域回波的目标识别特征提取方法，包含如下步骤:
[0005]步骤1.雷达回波信号预处理，对目标的每帧雷达回波信号进行去均值和能量归一化预处理；
[0006]步骤2.目标脉内运动补偿，对于高速运动目标，需估计出目标在脉冲持续时间内的径向运动速度来对回波信号进行运动补偿，然后进入下一步；对于低速运动目标，则直接进入下一步；
[0007]步骤3.目标非结构属性滤除，滤除耦合在回波信号中的非结构属性；
[0008]步骤4.计算目标时域信号的积谱属性，计算步骤3中输出信号的积谱，作为目标识别特征。
[0009]优选的，步骤I中进行去均值和能量归一化预处理公式为:st = st-mean(st)，mpow = sqrt((st.stT) /N)，其中，st是一帧回波信号，mean(.)表示求取均值，sqrt (.)表示开根号，“T”表示转置，N为一帧信号的采样点数；st = st/mpow，此时st为去过均值并进行能量归一化的预处理后信号。
[0010]优选的，步骤3中的滤除耦合在回波信号中的非结构属性具体实现表达公式如下:mt = st (2:N).*conj (st (1:N_1))，其中，conj (.)表示取信号的共轭，“.*”表示的是离散点之间的点乘；st = mt.*conj (mt (I))，其中，st为滤除完目标非结构属性后的回波信号。
[0011]优选的，所述步骤4中的输出信号的积谱计算公式如下:I = EPS(st)，其中，EPS(.)是计算信号的积谱函数。
[0012]本发明的有益效果:
[0013]本发明克服现有技术中只适用于目标分类、对噪声敏感等问题，直接从目标回波的时域信号出发，去除了耦合在回波中的目标速度、距离等非结构属性，并充分利用了信号的幅相信息，将信号的积谱作为目标的识别特征；由于回波积谱特征没有经过距离压缩，不存在信息量的丢失，且直接从目标时域信号中提取，因此该特征具备对目标的超分辨识别能力，可实现窄带雷达对目标的个体识别。
【附图说明】
:
[0014]图1为本发明的具体实施流程图；
[0015]图2为中，(a)为本发明实施例二中测试用的目标I点散射模型，(b)为本发明实施例二中测试用的目标2点散射模型；
[0016]图3为本发明实施例二中两个测试目标在3次观测实验中的起始位置、飞行速度和飞行方向示意图；
[0017]图4为本发明实施例二中回波信号预处理的前后对比图；
[0018]图5为本发明实施例二中目标非结构属性去除的前后对比图；
[0019]图6为本发明实施例二中两个测试目标在不同距离、不同速度下积谱特征随姿态角的变化图。
【具体实施方式】
:
[0020]下面结合附图和技术方案对本发明作进一步详细的说明，并通过优选的实施例详细说明本发明的实施方式，但本发明的实施方式并不限于此。
[0021]实施例一，参见图1所示，一种基于雷达时域回波的目标识别特征提取方法，包含如下步骤:
[0022]步骤1.雷达回波信号预处理，对目标的每帧雷达回波信号进行去均值和能量归一化预处理；
[0023]步骤2.目标脉内运动补偿，对于高速运动目标，需估计出目标在脉冲持续时间内的径向运动速度来对回波信号进行运动补偿，然后进入下一步；对于低速运动目标，则直接进入下一步；
[0024]步骤3.目标非结构属性滤除，滤除耦合在回波信号中的非结构属性；
[0025]步骤4.计算目标时域信号的积谱属性，计算步骤3中输出信号的积谱，作为目标识别特征。
[0026]其中，步骤I中进行去均值和能量归一化预处理公式可以为:st = st-mean (st)，mpow = sqrt ((st.stT)/N)，其中，st是一帧回波信号，mean(.)表示求取均值，sqrt (.)表示开根号，“T”表示转置，N为一帧信号的采样点数；st = st/mpow，此时st为去过均值并进行能量归一化的预处理后信号。
[0027]步骤3中的滤除耦合在回波信号中的非结构属性具体实现表达公式可以为:mt =st (2: N).*conj (st(l:N-l))，其中，conj (.)表示取信号的共轭，表示的是离散点之间的点乘；st = mt.*conj (mt⑴)，其中，st为滤除完目标非结构属性后的回波信号。
[0028]步骤4中的输出信号的积谱计算公式可以为:I = EPS (st)，其中，EPS (.)是计算信号的积谱函数。
[0029]本发明直接从目标雷达回波时域出发，不进行距离压缩；在滤除完目标回波中的速度、距离等非结构属性之后，只提取与目标姿态和结构相关的积谱作为识别特征；由于该特征没有经过距离压缩，所以具备对目标的超分辨识别能力，可实现窄带雷达对目标个体的识别；高速运动目标与低速运动目标的区分与雷达脉宽、速度有关，举例说明但不限于此，若雷达脉宽为Is左右，高速运动目标速度可达到3000m/s左右；若雷达脉宽为Ims左右，低速运动目标速度可达到1000m