基于相關(guān)性對某實(shí)測數(shù)據(jù)海雜波特征提取算法進(jìn)行改進(jìn)

羅才震　柴曉飛

摘 要：現(xiàn)代戰(zhàn)爭中，海面戰(zhàn)爭越來越占據(jù)重要地位，對海雷達(dá)對于海面目標(biāo)的檢測可以決定戰(zhàn)爭的成敗。我國研究人員在海面目標(biāo)識別方面已經(jīng)取得了進(jìn)展，但由于海尖峰的復(fù)雜性，其識別效果并不好。文章基于某實(shí)測的對海數(shù)據(jù)，通過一種新算法對海雜波和海面低空飛行目標(biāo)進(jìn)行了特征提取，并取得了較好的效果。

關(guān)鍵詞：目標(biāo)識別；海尖峰；新算法；特征提取

現(xiàn)代雷達(dá)如果要較好地對海雜波進(jìn)行區(qū)分，就必須通過海雜波的相關(guān)性入手進(jìn)行分析。由于海況復(fù)雜，通常海雜波的運(yùn)動都是無規(guī)律的，但是通過時間相關(guān)性，我們還是能發(fā)現(xiàn)海雜波運(yùn)動的一些規(guī)律，并通過這些規(guī)律，研究出新的算法，較好地區(qū)分海雜波和海面低空飛行的目標(biāo)[1]。

1 基于海雜波相關(guān)性的特征提取

本次實(shí)驗(yàn)數(shù)據(jù)為研究所對某對海窄帶雷達(dá)采集的數(shù)據(jù)，該數(shù)據(jù)每組包含2 000個數(shù)據(jù)，已經(jīng)通過航跡的分析把真目標(biāo)（海面低空飛行的目標(biāo)）和假目標(biāo)分開，設(shè)真目標(biāo)為n個，則假目標(biāo)為2 000﹣n個[2]。由于是低分辨雷達(dá)，經(jīng)過16點(diǎn)FFT以及固定門限處理后的海面低空飛行目標(biāo)距離多普勒平面如圖1所示。

假目標(biāo)的距離多普勒平面如圖2所示。

從圖1—圖2可以看出，海面低空飛行目標(biāo)比假目標(biāo)分布的值廣，最大值的波動范圍也大于假目標(biāo)。所以初步確定，可以通過多幀的海雜波波動的標(biāo)準(zhǔn)差以及相對多普勒速度對海面低空飛行目標(biāo)和假目標(biāo)進(jìn)行特征提取和特征分類。通過多次仿真，運(yùn)用各種不同算法進(jìn)行嘗試，找到了能區(qū)別海面低空飛行目標(biāo)與假目標(biāo)的有效特征。通過對連續(xù)幾幀距離多普勒平面圖可以發(fā)現(xiàn)，海面低空飛行目標(biāo)和假目標(biāo)的幅度最大值差距不大，但是所處的多普勒單位不同[3]。所以可通過相對多普勒速度進(jìn)行特征提取。假設(shè)第8個脈沖的相對多普勒速度為0，則第n個多普勒通道的相對多普勒速度為：

v=|n-8|，所提取特征如下。

（1）特征1：相對多普勒速度的均值。

以任意10個相對多普勒速度為一組，設(shè)為[X（1），X（2），…， X（n）]，n=1，2，…，10。

相對多普勒速度的均值為：

（2）特征2：相對多普勒速度不小于6的個數(shù)統(tǒng)計(jì)。

以任意20個相對多普勒速度為一組，設(shè)為[X（1），X（2），…， X（n）]，n=1，2，…，20個數(shù)統(tǒng)計(jì)為：Vnum=num（|X（1），X（2），…， X（n）|≥6）

（3）特征3：最大幅值相對速度的標(biāo)準(zhǔn)差。

以任意20個相對多普勒速度為一組，設(shè)為[X（1），X（2），…， X（n）]，n=1，2，…，20相對多普勒速度的標(biāo)準(zhǔn)差為：

將數(shù)據(jù)通過上述3個特征的算法用直方圖畫出，得到直方圖（見圖3）。

2 仿真結(jié)果

取將上述3類特征的數(shù)據(jù)放入SVM分類器當(dāng)中，每個特征的數(shù)據(jù)都有585個海面低空飛行目標(biāo)數(shù)據(jù)和1 193個假目標(biāo)數(shù)據(jù)。任意選取1 300個作為訓(xùn)練樣本，478個數(shù)據(jù)為測試樣本。將訓(xùn)練樣本通過SVM分類器，調(diào)到分類器的最優(yōu)參數(shù)為v=1.1，g=1.1，然后進(jìn)行識別率的統(tǒng)計(jì)（見圖4）。

通過圖4可以看出，這3類特征區(qū)分海面低空飛行目標(biāo)和假目標(biāo)的效果明顯[4]，得到的實(shí)驗(yàn)結(jié)果如表1所示。

3 結(jié)語

本文通過對實(shí)測數(shù)據(jù)的數(shù)據(jù)仿真，對海面低空飛行的目標(biāo)和海雜波進(jìn)行了特征提取和特征分類[5]。相比于一般80%左右的識別率，本算法對該數(shù)據(jù)的識別率為99%，大大提高了識別率，后續(xù)還會將該方法運(yùn)用于其他的海雜波數(shù)據(jù)以及實(shí)際工程進(jìn)行驗(yàn)證。

[參考文獻(xiàn)]

[1]丁鷺飛，耿富錄.雷達(dá)原理[M].西安：西安電子科技大學(xué)出版社，2002.

[2]MARK A，RICHARDS.雷達(dá)信號處理基礎(chǔ)[M].北京：電子工業(yè)出版社，2008.

[3]黃紅平.強(qiáng)海雜波下微弱目標(biāo)檢測算法研究[D].成都：電子科技大學(xué)，2007.

[4]行鴻彥，尹江燕，王秋輝.海雜波背景下目標(biāo)的聯(lián)合特征差異檢測[J].現(xiàn)代雷達(dá)，2014（10）：1613-1620.

[5]於建生，馬紅星，朱征宇.基于雷達(dá)回波相關(guān)特征的海雜波抑制方法[J].艦船電子工程，2009（6）：121-123.