高分辨雷达一维距离像的融合特征识别高分辨雷达一维距离像的融合特征识别
雷达目标识别中，提取目标的有效特征将直接影响识别效果。针对雷达目标高分辨距离像（HRRP）具有平移敏
感性，提出了一种基于多特征的融合特征来作为目标特征进行识别。利用PCA将三种平移不变特征融合，采用
支持向量机算法来实现识别。仿真实验结果表明，该方法不仅降低了目标特征的存储量，同时也克服了高分辨
距离像的平移敏感性，具有较高的识别率和很好的推广性。
摘摘 要要： 雷达目标识别中，提取目标的有效特征将直接影响识别效果。针对雷达目标高分辨距离像（HRRP）具有平移敏
感性，提出了一种基于多特征的融合特征来作为目标特征进行识别。利用PCA将三种平移不变特征融合，采用
关键词关键词：
0 引言引言
本文主要针对目标高分辨一维距离像的平移敏感性，提出了一种基于主成分分析方法的多特征融合的目标识别方法。首先
对一维距离像进行预处理，消除一维距离像的噪声干扰并且克服一维距离像的强度敏感性。在此基础上分别提取具有平移不变
性的功率谱特征、中心矩特征及幅度谱差分特征，然后利用PCA方法将以上特征融合作为目标特征，采用支持向量机分类器
进行识别分类。根据实测雷达目标的数据进行多次试验，结果显示，提取的该融合特征与单一特征和串联融合特征相比在减少
模板特征向量的个数和测试样本识别的计算量的同时，得到了较高的识别率。
1 特征提取特征提取
1.1 一维距离像模型一维距离像模型
当雷达发射信号带宽足够大时，目标尺寸远大于雷达的距离分辨单元，此时雷达回波就是由多个目标散射点子回波组成；
同时回波中所呈现的结构反映了目标散射点的分布情况，可用于目标识别[1]，如图1所示。
1.2 数据预处理数据预处理
雷达回波信号经过逆离散傅里叶变换就可以得到目标的一维距离像[2-3]。对数据进行预处理，首先对其进行降噪处理，本
文采用小波方法对信号进行降噪处理。利用小波变换降噪的主要思想是将数据转换到小波域，使噪声部分包含在小波的高频系
数中，在去除小波分解的高频系数后对信号进行小波反变换，即可达到降噪的目的。然后对一维距离像进行归一化处理，克服
其强度敏感性。
1.3 提取平移不变特征提取平移不变特征
直接用一维距离像作为特征对目标进行识别不仅会使模板的特征向量存储过大，而且该特征并没有克服平移敏感性，从而
影响识别效果[4-5]。所以本文提取一维距离像的中心距特征、功率谱特征和幅度谱差分特征，三种特征都具有平移不变性。
1.3.1 提取功率谱特征
设x={x（j），j=0，1，2，…，J-1}为目标一维距离像的回波幅度值，J为距离单元的个数，则一维距离像幅度x的功率谱
为：
由式（2）得出功率谱具有平移不变性，所以一维距离像幅度的功率谱特征是平移不变特征。
1.3.2 提取幅度谱差分特征
评论0