一种基于多维信息融合的杂波点迹剔除方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112327266A(43)申请公布日2021.02.05(21)申请号202011149438.8(22)申请日2020.10.23(71)申请人北京理工大学地址100081北京市海淀区中关村南大街5号(72)发明人王锐胡程李思伟周超(74)专利代理机构北京理工大学专利中心11120代理人代丽(51)Int.Cl.G01S7/41(2006.01)权利要求书2页说明书10页附图4页(54)发明名称一种基于多维信息融合的杂波点迹剔除方法(57)摘要本发明公开了一种基于多维信息融合的杂波点迹剔除方法。本发明通过对距离多普勒域点迹的幅相、频率、极化、形状以及周围环境等特征进行提取，并结合各特征的数据特点，改进了神经网络分类器的结构，在特征筛选与融合的基础上进行了杂波与目标的区分，性能有所提高。CN112327266ACN112327266A权利要求书1/2页1.一种基于多维信息融合的杂波点迹剔除方法，对雷达的回波信号进行脉冲压缩和相参积累，获得点迹集合；其特征在于，针对每个点迹，获得该点迹对应的多种“点特征”和一种“矩阵特征”，其中，“点特征”为点迹的标量特征，“矩阵特征”为当前点迹的邻域环境信息；之后针对每种点特征，获得其对应的整体信息量；对各点特征对应的整体信息量进行筛选，获得多种有效点特征，并作为筛选条件，从任意点迹A对应的所有点特征中，取出对应种类的有效点特征；并将点迹A的所有有效点特征与点迹A的矩阵特征进行组合，作为分类特征分别输入至神经网络分类器，最终通过神经网络分类器的分类处理，获得当前输入点迹为杂波点或目标点的分类结果，并将分类结果为杂波点的点迹剔除。2.如权利要求1所述的杂波点迹剔除方法，其特征在于，所述雷达信号采用水平极化发射、水平极化接收通道，即HH通道；所述“点特征”包括多普勒频率点特征、相位点特征、多普勒扩展点特征、距离扩展点特征、幅度点特征、极化差分幅度类点特征和极化相位类点特征；其中，极化差分幅度类点特征包括水平极化发射、垂直极化接收通道相对于HH通道的差分幅度点特征，垂直极化发射、水平极化接收通道相对于HH通道的差分幅度点特征以及垂直极化发射、垂直极化接收通道相对于HH通道的差分幅度点特征；极化相位类点特征包括水平极化发射、垂直极化接收通道的极化相位点特征，垂直极化发射、水平极化接收通道的极化相位点特征和垂直极化发射、垂直极化接收通道的极化相位点特征。3.如权利要求1所述的杂波点迹剔除方法，其特征在于，所述整体信息量的具体获取方法为：将所有点特征进行归一化处理，针对其中一个归一化处理后的特征x，对特征x的取值空间进行离散化，获得T个空间；令任意一个取值空间Rk，特征x落入Rk的正例概率为P1(Rk)，落入Rk的负例概率为P2(Rk)，整体样本落入Rk的概率为P(Rk)；利用P1(Rk)和P2(Rk)，根据信息量计算公式获得差别信息量，并将差别信息量与P1(Rk)相乘获得加权信息量；遍历T个空间，将每个空间对应的加权信息量求和，获得该特征x对应的归一化处理前的点特征的整体信息量。4.如权利要求3所述的杂波点迹剔除方法，其特征在于，所述有效点特征的筛选方法为：将所有点特征对应的整体信息量按从大到小的顺序排列，并根据实际需要选择前t个整体信息量对应的点特征筛选出来作为有效点特征。5.如权利要求3所述的杂波点迹剔除方法，其特征在于，所述有效点特征的筛选方法为：将所有点特征对应的整体信息量进行归一化处理，并将处理后的特征归一化值按从大到小的顺序排列，取累加归一化值超过85％，且单个特征归一化值大于5％特征作为有效点特征。6.如权利要求4或5所述的杂波点迹剔除方法，其特征在于，所述神经网络分类器针对点特征和矩阵特征采用了不同的处理方法进行信息提取，即：针对点特征，通过全连接结构实现特征的组合与信息提取；对于矩阵特征，通过卷积运算进行信息提取方法；并将点特征提取的信息和矩阵特征提取的信息进行特征融合之后，再进行进一步处理，获得分类结果。7.如权利要求6所述的杂波点迹剔除方法，其特征在于，所述特征融合为：ymix＝f([yfcΦ(ycnn)]·wfc'+bfc')2CN112327266A权利要求书2/2页其中，[·]表示张量拼接，yfc为点特征信息提取后的结果，ycnn为矩阵特征信息提取后的结果，Φ(·)表示张量拉直，wfc'表示权值，bfc'表示偏置，ymix表示融合结果。3CN112327266A说明书1/10页一种基于多维信息融合的杂波点迹剔除方法技术领域[0001]本发明属于低空小目标雷达探测技术领域，具体涉及一种基于多维信息融合的杂波点迹剔除方法。背景技术[0002]低空小目标是飞行高度在1000米以下，雷达反射截面积小于2平