基于特征提取的加权投票多分类器地面雷达目标自动识别方法与流程

技术特征：
1.一种基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，包括：步骤1，对时域回波信号进行时域特征提取，对下变频处理后的基带回波时域信号进行fft变换并提取频域特征；步骤2，对提取后的特征进行5折交叉验证的朴素贝叶斯分类器、决策树分类器、lda分类器、k邻近分类器和支持向量机分类器训练，并通过贝叶斯优化对支持向量机和k邻近分类器的超参数进行优化，得到最终的五个子分类器；步骤3，根据混淆矩阵计算五个子分类器的精度权值，通过加权投票的方式得到最终的分类器；步骤4，将待测回波数据进行时域、频域特征提取，输入到各个子分类器并通过加权投票得到最终分类结果。2.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，时域特征包括：时域波形标准差、时域波形不规则度、时域波形平滑度，时域波形幅值变异系数，时域波形相位变异系数，时域波形等效散射中心维度，时域波形强点功率占比；频域特征包括：地物杂波特性、主峰谱宽、展宽谱宽、功率谱熵、功率谱一阶原点矩、二阶中心距、相对有效反射面积、峰值能量比、高频成分含量、奇异值波形衰减速度、奇异值波形稳定程度、奇异值波形能量集中程度、emd分解熵、emd分解峰值比，共计21个特征值。3.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，时域波形幅值变异系数的计算方法为：对时域序列进行归一化，有：其中，max{x(i)}、min{x(i)}分别为单个目标的样本时域波形的n个采样点中的最大值和最小值；则归一化方差为：其中，x
mean
为归一化值x
norm
(i)的均值；则有幅值变异系数的计算方法为：c
amplitude
＝x
std
/x
mean
。4.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，时域波形相位变异系数计算方法为：根据n点的iq数据求出单个回波序列各点的相位值根据n点的iq数据求出单个回波序列各点的相位值其中x
i
(i)为时域波形i序列数据，x
q
(i)为时域波形q序列数据。则序列中相邻两点间的相位差为：
计算得中间量r2为：则时域波形相位变异系数c
phase
为：。5.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，时域波形等效散射中心维度dimension的计算方法为：其中，x
norm
(i)为时域归一化序列，为单位阶跃函数。6.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，时域波形强点功率占比的计算方法为：其中，y(i),i＝1,2,...,n为时域回波由大到小降序排列形成的序列，选取前d个强点得时域波形强点功率。7.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，地物杂波特性的计算方法为：去除目标所在谱线及其左右各一根谱线后对杂波区外的谱线功率求和平均得到检测门限功率，对杂波区内的谱线求和平均得到杂波功率，检测门限功率与杂波功率的比值即为地物杂波特性。8.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，emd分解熵、emd分解能量比的计算方法为：(1)对时域信号进行emd分解；emd分解的步骤为：(1.1)初始化r(t)＝x(t)，对r(t)的上包络和下包络分别进行三次样条插值法拟合出采样波形的包络曲线max_r(t)和min_r(t)；(1.2)对两条包络曲线求均值得到m(t)m(t)＝[max_r(t) min_r(t)]/2则可计算出中间信号为：d(t)＝r(t)-m(t)(1.3)判断中间信号d(t)是否满足imf的两个条件，如果满足，该信号就是一个imf分量；如果不满足，令r(t)＝d(t)，迭代(1.1)～(1.3)；
(1.4)r(t)＝x(t)-d(t)，重复(1.1)～(1.4)，得到k个imf分量；(2)求得本质模态函数(imf1)分量后进行傅里叶变换；(3)对(2)的计算结果求波形熵作为emd的分解熵；(4)将imf1频带的能量总和与原始频谱的对应谱线范围的能量总和之比作为emd分解能量比。9.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，根据混淆矩阵计算五个子分类器的准确率，将准确率作为五个子分类器的权重值，构造加权投票分类器。10.根据权利要求1所述的基于特征提取的加权投票多分类器地面雷达目标自动识别方法，其特征在于，将待测回波信号经过特征提取后，输入到五个子分类器，得到初步的五个分类结果，再根据权值进行加权投票计算，得到最终的分类结果，如果计算值大于阈值b，则判为车；如果计算值为小于阈值-b，则判为人；如果计算值在两个阈值之间，表示未识别。

技术总结
本发明公开了一种基于特征提取的加权投票多分类器地面雷达目标自动识别方法，包括对时域回波信号进行时域特征提取，对下变频处理后的基带回波时域信号进行FFT变换，进行频域特征提取；对提取后的特征进行5折交叉验证的朴素贝叶斯分类器、决策树分类器、LDA分类器、K邻近分类器和支持向量机分类器训练，并通过贝叶斯优化对支持向量机和K邻近分类器的超参数进行优化，得到最终的五个子分类器；根据混淆矩阵计算五个子分类器的精度权值，通过加权投票的方式得到最终的集成分类器；将待测回波数据进行时域、频域特征提取，输入到子分类器并通过加权投票得到最终分类结果。本发明能够在低分辨地面雷达的目标分类识别的应用中展现优异的识别准确性。优异的识别准确性。优异的识别准确性。


技术研发人员：谢仁宏 游雨 赵玉超 李鹏 芮义斌 顾津玮 王腾
受保护的技术使用者：中国电子科技集团公司第五十四研究所
技术研发日：2021.10.19
技术公布日：2022/1/28