基于极化不变量和极化分解的海面角反射器干扰鉴别方法
阅读说明：本技术 基于极化不变量和极化分解的海面角反射器干扰鉴别方法 (Sea surface corner reflector interference identification method based on polarization invariant and polarization decomposition ) 是由 陈伯孝 郎思呈 于 2021-07-29 设计创作，主要内容包括：本发明提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法,参考目标舰船和角反射器的物理性质和海面实际环境差异,从能量方面利用目标舰船和角反射器的行列式模值和功率矩阵迹的差异,从实际海面情况影响上利用本征极化方向角,从能量随机性上利用强度熵,最终构造特征向量训练分类器,以提高分类器的分类准确性；之后利用分类器区分目标舰船和角反射器。因此本发明可以有效解决现有极化鉴别方法中存在的仿真模型设计与实际情况不匹配的情况,从而使得极化角度鉴别角反射器具有更高的精度和可行性。(The sea surface corner reflector interference identification method based on polarization invariant and polarization decomposition provided by the invention refers to the physical properties of a target ship and a corner reflector and the difference of the actual sea surface environment, utilizes the difference of determinant mode values and power matrix traces of the target ship and the corner reflector in the aspect of energy, utilizes an intrinsic polarization direction angle in the aspect of influence of the actual sea surface condition and utilizes intensity entropy in the aspect of energy randomness, and finally constructs a feature vector training classifier so as to improve the classification accuracy of the classifier; the target vessel and the corner reflector are then distinguished using a classifier. Therefore, the method can effectively solve the problem that the design of a simulation model in the existing polarization identification method is not matched with the actual situation, so that the polarization angle identification corner reflector has higher precision and feasibility.)
技术领域
本发明属于雷达技术领域，具体涉及一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法。
背景技术
角反射器干扰因为其散射截面积大，部署简单，在雷达回波上与目标舰船难以区分开等特点，使得其被广泛应用于舰船对抗导弹导引头上，而对于导弹导引头如何有效对抗角反射器干扰是现在公认的难题。目前，因为角反射器作为无源目标，其极化特性与真实目标难以区分，所以仅利用极化信息的角反射器对抗方法还很少，大部分对抗方法都是使用极化信息进行辅助鉴别。
现有技术记载了《基于极化分解的舰船和角反射器鉴别方法》，该方法利用Krogager分解将线极化基接收到的回波信号投影到圆极化基，利用分解得到的特征矢量输入SVM进行分类鉴别，对抗不同姿态的角反射器干扰时均能取得较好的识别率。
现有技术还记载了《基于极化分解的抗角反射器干扰研究》，同样利用圆极化基下的Krogager分解，利用前后频点信息确定目标各个姿态的稳定度和敏感度,设定双门限判别目标，识别率良好.
由于现有技术提出上述关于抗角反射器的鉴别过程中，都需要使用Krogager分解，该分解方法需要满足目标散射特性非时变，而在实际情况中目标散射特性往往会受到海杂波的影响，且随着电磁波照射方向，雷达载频的变化而发生变化。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法。本发明要解决的技术问题通过以下技术方案实现：
本发明提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法包括：
步骤1：接收在雷达系统多次发射信号后，返回的每次含有极化信息的极化四通道雷达回波信号；
其中，极化四通道为雷达系统中的水平极化以及垂直极化阵列收发信号形成的通道；极化四通道包括水平收发通道HH、水平发垂直收通道HV、垂直发水平收通道VH以及垂直发垂直收通道VV；水平收发通道HH为水平极化阵列发送，接收水平极化阵列信号形成的通道；水平发垂直收通道HV为水平极化阵列发送，接收垂直极化阵列形成的通道；垂直发水平收通道VH为垂直极化阵列发送，接收垂直极化阵列信号形成的通道；垂直发垂直收通道VV为垂直极化阵列发送，接收垂直极化阵列形成的通道。
步骤2：将每次接收的雷达回波信号作为一个周期的雷达回波信号加入预设的样本集中；
步骤3：针对预设的样本集中的每个样本，分别计算该样本的峰值的极化不变量和极化分解量；
步骤4：将每个样本的极化不变量以及极化分解量组成特征向量；
步骤5：使用每个样本的特征向量输入预设的分类器中，对分类器进行训练获得训练完成后的分类器；
步骤6：使用训练完成后的分类器对返回的回波信号进行分类，以区分角反射器和目标。
可选的，步骤3包括：
步骤31：针对样本集中的每个样本，确定该样本的峰值；
其中，峰值为角反射器所在位置返回的回波信号或目标所在位置返回的回波信号；
步骤32：计算每个样本峰值处的行列式模值；
步骤33：计算每个样本峰值处的功率矩阵迹；
步骤34：计算每个样本峰值处的本征极化方向角；
步骤35：针对每个样本，将该样本的行列式模值、功率矩阵迹以及本征极化方向角组成该样本的极化不变量；
步骤36：计算每个样本的极化分解量。
其中，行列式模值表示为：
|Δ|＝|det(S)|＝|sHH+sVV-sHVsVH|
功率矩阵迹表示为：
本征极化方向角表示为：
其中，SHH表示水平收发通道的信号分量，SVV表示垂直发垂直收通道的信号分量，SHV表示水平发垂直收通道的信号分量，SVH表示垂直发水平收通道的信号分量，上标*表示共轭。
可选的，步骤36包括：
计算每个样本峰值处的相干矩阵；
针对每个样本，利用该样本峰值处的相干矩阵，求解该峰值处的香农熵；
将每个样本峰值处的香农熵分解为强度熵。
相干矩阵表示为：
香农熵表示为：
强度熵表示为：
其中，SHH表示水平收发通道的信号分量，SVV表示垂直发垂直收通道的信号分量，SHV表示水平发垂直收通道的信号分量，SVH表示垂直发水平收通道的信号分量，上标H表示共轭转置，λi为相干矩阵T的第i个特征值，λk表示同λi，表示相干矩阵T的第k个特征值，Tr(T)表示相干矩阵T的迹。
可选的，步骤4包括：
将行列式模值、功率矩阵迹、本征极化方向角以及强度熵组成特征向量。
可选的，在步骤5之后，海面角反射器干扰鉴别方法还包括：
对特征向量中因角反射器对目标干扰形成的项进行剔除，获得剔除之后的特征向量；
使用剔除之后的特征向量对分类器进行再训练。
本发明提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法，考目标舰船和角反射器的物理性质和海面实际环境差异，从能量方面利用目标舰船和角反射器的行列式模值和功率矩阵迹的差异，从实际海面情况影响上利用本征极化方向角，从能量随机性上利用强度熵，最终构造特征向量训练分类器，以提高分类器的分类准确性；之后利用分类器区分目标舰船和角反射器。因此本发明可以有效解决现有极化鉴别方法中存在的仿真模型设计与实际情况不匹配的情况，从而使得极化角度鉴别角反射器具有更高的精度和可行性。
以下将结合附图及实施例对本发明做进一步详细说明。
附图说明
图1是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法的流程示意图；
图2是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据单周期的时频示意图；
图3是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的行列式模值对比图；
图4是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的功率矩阵迹对比图；
图5是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的本征极化方向角对比图；
图6是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的强度熵对比图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
如图1所示，本发明提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法包括：
步骤1：接收在雷达系统多次发射信号后，返回的每次含有极化信息的极化四通道雷达回波信号；
其中，极化四通道为雷达系统中的水平极化以及垂直极化阵列收发信号形成的通道；极化四通道包括水平收发通道HH、水平发垂直收通道HV、垂直发水平收通道VH以及垂直发垂直收通道VV；水平收发通道HH为水平极化阵列发送，接收水平极化阵列信号形成的通道；水平发垂直收通道HV为水平极化阵列发送，接收垂直极化阵列形成的通道；垂直发水平收通道VH为垂直极化阵列发送，接收垂直极化阵列信号形成的通道；垂直发垂直收通道VV为垂直极化阵列发送，接收垂直极化阵列形成的通道。
步骤2：将每次接收的雷达回波信号作为一个周期的雷达回波信号加入预设的样本集中；
可以理解，预设的样本集为空集，在加入多个周期的雷达回波信号后，样本集中包括多个样本，每个样本为一个周期的雷达回波信号。
步骤3：针对预设的样本集中的每个样本，分别计算该样本的峰值的极化不变量和极化分解量；
作为本发明一种可选的实施方式，步骤3包括：
步骤31：针对样本集中的每个样本，确定该样本的峰值；
其中，峰值为角反射器所在位置返回的回波信号或目标所在位置返回的回波信号；
步骤32：计算每个样本峰值处的行列式模值；
其中，行列式模值表示为：
|Δ|＝|det(S)|＝|sHH+sVV-sHVsVH|
考虑到自然散射目标的交叉极化一般满足互易性，则上式化简为：
步骤33：计算每个样本峰值处的功率矩阵迹；
功率矩阵迹表示为：
步骤34：计算每个样本峰值处的本征极化方向角；
本征极化方向角表示为：
步骤35：针对每个样本，将该样本的行列式模值、功率矩阵迹以及本征极化方向角组成该样本的极化不变量；
其中，SHH表示水平收发通道的信号分量，SVV表示垂直发垂直收通道的信号分量，SHV表示水平发垂直收通道的信号分量，SVH表示垂直发水平收通道的信号分量，上标*表示共轭。
步骤36：计算每个样本的极化分解量。
作为本发明一种可选的实施方式，步骤36包括：
步骤a：计算每个样本峰值处的相干矩阵；
步骤b：针对每个样本，利用该样本峰值处的相干矩阵，求解该峰值处的香农熵；
步骤c：将每个样本峰值处的香农熵分解为强度熵。
相干矩阵表示为：
香农熵表示为：
将香农熵分解为强度熵直接给出强度熵结果：
强度熵表示为：
其中，SHH表示水平收发通道的信号分量，SVV表示垂直发垂直收通道的信号分量，SHV表示水平发垂直收通道的信号分量，SVH表示垂直发水平收通道的信号分量，上标H表示共轭转置，λi为相干矩阵T的第i个特征值，λk表示同λi，表示相干矩阵T的第k个特征值，i和k只是为了进行区分，Tr(T)表示相干矩阵T的迹。
步骤4：将每个样本的极化不变量以及极化分解量组成特征向量；
本步骤可以将行列式模值、功率矩阵迹、本征极化方向角以及强度熵组成特征向量，从而构造目标舰船和角反射器的特征向量T＝[Δ,P,α,SEI]。
步骤5：使用每个样本的特征向量输入预设的分类器中，对分类器进行训练获得训练完成后的分类器；
步骤6：使用训练完成后的分类器对返回的回波信号进行分类，以区分角反射器和目标。
其中，分类器会输出分类标签，用于区分目标和角反射器。
相比于现有的极化鉴别角反射器方法，本实施例提供的极化鉴别角反射器方法有效解决了仿真条件与实际测量环境不匹配的情况，综合了角反射器与目标舰船所处环境以及物理状态不同所产生的极化差异，这种差异是角反射器部署措施和本身固有性质所造成的，因此不易受到实际测量环境与雷达测量误差的影响，使极化鉴别角反射器方法具有更广泛的适用性和良好的识别率。
本发明提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法，考目标舰船和角反射器的物理性质和海面实际环境差异，从能量方面利用目标舰船和角反射器的行列式模值和功率矩阵迹的差异，从实际海面情况影响上利用本征极化方向角，从能量随机性上利用强度熵，最终构造特征向量训练分类器，以提高分类器的分类准确性；之后利用分类器区分目标舰船和角反射器。因此本发明可以有效解决现有极化鉴别方法中存在的仿真模型设计与实际情况不匹配的情况，从而使得极化角度鉴别角反射器具有更高的精度和可行性。
作为本发明一种可选的实施方式，本发明还可以对训练完成后的分类器进行再训练，训练过程如下：
步骤a：对特征向量中因角反射器对目标干扰形成的项进行剔除，获得剔除之后的特征向量；
步骤b：使用剔除之后的特征向量对分类器进行再训练。
可以理解，对特征向量进行剔除可以避免因为角反射器的旁瓣对目标造成的干扰，进一步提高训练后的分类器分类准确性。
为了验证本申请提供的基于极化不变量和极化分解的海面角反射器干扰鉴别方法的有效性与实用性，本实施例通过某水平-垂直极化基雷达实测数据处理实验做以进一步说明：
请参加图2，图2是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据单周期的时频示意图，可以看到在10.12km，10.23km和10.34km处存在峰值，其中前两个峰为角反射器，第三个峰为目标舰船，可以观察到角反射器的回波信号幅度要高于目标15dB以上。对这三个峰值采取本文提供的基于极化不变量和极化分解的海面角反射器干扰鉴别方法，结果参见图3、图4、图5、图6以及表1。
图3是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的行列式模值对比图；图4是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的功率矩阵迹对比图，可以看出角反射器的回波能量明显大于目标回波；图5是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的本征极化方向角对比图，可以看出目标的本征极化方向角更加稳定，这是因为搭载角反射器的小船更易受到海浪起伏的影响导致本征极化方向角不稳定；图6是本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的实测数据中角反射器与目标舰船的强度熵对比图，强度熵反应了目标的极化总能量的随机程度，可以看出因为角反射器是由多散射点组成，其极化能量的分布也更加分散因此强度熵要高于目标舰船。
参见表1，表1中记载了本发明实施例提供的一种基于极化不变量和极化分解的海面角反射器干扰鉴别方法中的角反射器干扰和目标的鉴别结果，可以看出本发明所提方法鉴别性能较高，可以有效区分角反射器和目标。
表1鉴别结果对比表
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。