买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：青岛九维华盾科技研究院有限公司

摘要：信噪比较低和假目标的样本缺少情况下，难以对真、假目标进行准确识别，导致严重的虚警或漏警。针对这一问题，本发明提供一种基于快‑慢时间域联合特征的预警雷达假目标干扰识别方法。首先对雷达回波进行脉冲压缩和相参累积处理；然后利用峰值搜索算法确立真、假目标所在多普勒单元和距离通道；沿快时间维度对真、假目标进行截断后，进行快速傅里叶运算FFT提取‑慢时间域联合特征；利用所提取的未标注真‑假目标特征混合数据集U和已标注的真目标特征构建联合数据集，输入支持向量机SVM进行类先验概率估计，根据平均类先验概率对数据集U进行标注，得到联合数据集P+U；将联合数据集输入两通道特征融合网络进行训练，并完成识别。

主权项：1.一种假目标样本缺少条件下基于快-慢时间域联合特征的真、假识别方法，其特征在于包括以下步骤：步骤1：对真、假目标进行脉冲压缩和相参累积处理。首先雷达目标回波快时间表达为，则 ;其中，为信号脉宽，为信号的调频斜率，为信号带宽。假设目标回波快时间 表达为，则 ; 其中，为卷积符号，为雷达系统函数时域表达式。则目标回波快-慢时间表达式 为 ; 其中，为快时间，为慢时间，为目标与雷达径向距离函数，为目 标初始距离，为目标径向速度，为光速，为载频。假设相参累积个数为，脉冲重复间 隔为，我们用表示 个连续目标回波分别为 上式中，假设相邻两个目标回波中所具有的相位差为，则各个目标回波均可由第一个目标回波表示，结果如下 实现脉冲压缩的频域匹配滤波函数如下 上式满足 ，假设其时域表示为实现相参累积的相位权重矩阵如下 ；其中，表示不同的相位因子，，为离散傅里叶变换 点数，表示不同的多普勒单元。我们用矩阵表示个连续目标回波进行 脉冲压缩和相参累积处理的结果，脉冲压缩和相参累积结果如图2、3所示。可表示为 ;其中，表示矩阵转秩符号； 步骤2：利用峰值搜索算法确立真、假目标回波的距离单元和多普勒通道。假设搜索到 快-慢时间域中真实目标对应的多普勒单元为，其对应中取得较大峰值的多普勒 单元。沿真实目标所在多普勒单元的距离维度对其进行加窗截断，则有截断信号为 ;式中，需满足该多普勒通道的相位补偿因子与回波相位差相等或无限接近，即或。则可化简为 ;步骤3：利用FFT对真实目标回波快-慢时间域联合特征进行提取；步骤4：重复步骤2、3，对假目标回波快-慢时间域联合特征进行提取，并构建真-假目标特征数据集U，将其中各个样本的标签统一设置为0；步骤5：将假目标出现前采集到的真实目标特征数据集P中的各个样本标签统一设置为1。对SVM进行次训练，在第次训练中，将P按比例划分为P1和P2两部分，采用P1和U对SVM训练。每次训练结束后用SVM估计概率矩阵，其代表了SVM将U中各个样本估计为1的概率，为U中样本的个数，并用SVM估计概率，其代表SVM将P2中各个样本估计为1的概率的平均值；将得到U中各个样本的类先验概率。在第次训练结束后得到，并将前次估计的类先验概率进行累加，即 ;其中，在第一次估计开始前为一个0向量。最终经次估计结束后，得到次类先验概率的累加结果，并求得平均类先验概率，当某个样本的平均类先验概率大于概率门限时，将该样本标签设置为1，否则设置为0，最终实现对U中各个样本的重新标注，并完成数据集P+U的重构;步骤6：将重构数据集P+U输入两通道特征融合网络，实现快-慢时间域联合频谱起伏特征的自动提取，并完成网络训练;步骤7：提取待识别真、假目标快-慢时间域联合特征，并送入已训练好的两通道特征融合网络进行识别。

全文数据：

权利要求：

百度查询： 青岛九维华盾科技研究院有限公司 一种假目标样本缺少条件下基于快-慢时间域联合特征的真、假识别方法