一种基于逻辑回归的二次雷达副瓣抑制方法

技术领域

本发明涉及二次雷达领域，具体涉及一种基于逻辑回归的二次雷达副瓣抑制方法。

背景技术

二次雷达系统，主要由询问设备与应答设备组成，主要应用于民航交通管制（AirTraffic Control）。通常询问设备通过天线发射工作频率为1030Mhz的电磁脉冲，民航飞机上的应答设备接收到该辐射信号后将发射工作频率为1090Mhz的应答电磁脉冲；询问机接收到应答脉冲信号后完成信息解析、从而达到目标的探测、辨认目的。然后在二次雷达实际工作中，由于安装环境、以及天线性能等诸多因素影响，经常受到电磁信号副瓣干扰信号影响，导致二次雷达探测、辨别的准确度大受影响。

目前进行二次雷达副瓣抑制的传统的方法包括和差通道信号幅度抑制、和控制通道信号幅度抑制、灵敏度时间控制（STC）抑制等，主要依靠硬件特性、固定的门限参数调整实现抑制，往往实际工程应用中，由于天线和设备硬件条件限制以及环境影响，难以实现差波束方向图、控制波束方向图能够完全覆盖和波束副瓣位置，和差、和控制的参数调整无法满足所有情况的副瓣穿刺抑制；灵敏度时间控制抑制的方法通过理论计算应答信号对应距离信号强度仅能抑制小于该信号的虚假副瓣穿刺；一次雷达探测目标的匹配滤波等。

发明内容

针对现有技术中的上述不足，本发明提供了一种基于逻辑回归的二次雷达副瓣抑制方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种基于逻辑回归的二次雷达副瓣抑制方法，包括如下步骤：

S1、根据采集探测的目标信号并解析，根据解析得到的信号表征构建探测目标信号的多维特征向量；

S2、使用二次雷达设备于微波暗室环境中进行俯仰角、波束指向角的应答信号采集，利用所采集信号作为训练样本构建逻辑回归模型并进行训练；

S3、设备正常工作中，利用训练完成的逻辑回归模型解析二次雷达应答信号并进行副瓣信号目标判决抑制，得到经过副瓣抑制后的二次雷达信号；

S4、采用步骤S3中经过副瓣抑制后的二次雷达信号对步骤S2中的模型进行训练样本扩充，对步骤S2构建的逻辑回归模型进行持续迭代优化训练，进一步提升模型性能。

进一步的，所述S1具体包括如下步骤：

S11、根据二次雷达询问机接收到的应答信号进行信息解析，提取信号所表征的物理信息，将所提取的信号所表征的物理信息组成一维特征向量；

S12、对步骤S11得到的一维特征向量进行特征变换，得到归一化后的特征向量；

S13、对一组询问应答处理流程中解析的目标进行处理，采用

进一步的，所述S11中所提取的信号表征的物理信息包括：目标的距离、机体系方位、波束指向角、俯仰角、和波束幅度、差波束幅度、控制波束幅度、和差幅度差值、和控制幅度差值、工作频率、一次雷达探测目标距离、一次雷达探测目标机体系方位。

进一步的，所述S2具体包括如下步骤：

S21、利用标准二次雷达在暗室中进行雷达波束扫描，得到雷达波束俯仰角、波束指向角的应答信号；

S22、根据步骤S21得到的雷达波束俯仰角、波束指向角的应答信号，采用随机值方式扩充模拟各情况下的训练样本，得到方向图样集；

S23、在步骤S22得到的方向图样集上标定主瓣和副瓣区间，并按照步骤S1的方式构建主瓣特征向量训练数据样本集和副瓣特征向量训练样本数据集，并合并为逻辑回归模型的训练样本集；

S24、利用S23训练样本集进行逻辑回归模型训练，计算逻辑回归模型的参数。

进一步的，所述S22中采用随机值方式扩充模拟各情况下的训练样本的具体方式为：

其中，

进一步的，所述S24中利用极大似然函数计算回归模型的参数，具体方式为：

S241、计算主瓣和副瓣的估计概率，计算方式为：

其中，

S242、对训练样本集构建似然函数，表示为：

其中，

S243、对S242中构建的似然函数求对数，得到对数似然函数，表示为：

其中，

S244、对逻辑回归模型的参数的对数似然函数

进一步的，所述S4具体包括如下步骤：

S41、在二次雷达设备正常工作过程中，计算本次接收目标解系信息的特征参数表达；

S42、利用计算得到的逻辑回归模型的参数计算本次接收目标为副瓣目标的概率，若是，则判定本次接收目标为虚假目标并抑制该虚假目标，若不是则正常输出结果。

进一步的，所述S32中计算本次目标为副瓣目标概率的方式为：

其中，

当计算结果为1时，则判定为副瓣目标并抑制该虚假目标，若为0则输出结果。

本发明具有以下有益效果：

1、运用机器学习方法，通过逻辑回归模型代替传统二次雷达副瓣抑制分级处理流程且信号参数信息未关联运用。本方法将二次雷达信号的距离、方位、俯仰、波束指向、和波束幅度、差波束幅度、控制波束幅度等诸多信息纳入到逻辑回归模型中，使用最优化的方法得到参数估计，信息之间关联性在该模型中得以运用，具有更好的判决效果。

2、提出了一种二次雷达信号参数特征描述方法，采用了

3、本发明提出基于逻辑回归的副瓣抑制方法，可通过人为干预的方式，持续补充训练样本集完成逻辑回归模型优化迭代达到更高的精度，相比传统副瓣抑制参数调整方法更加有效可靠。

附图说明

图1为本发明基于逻辑回归的二次雷达副瓣抑制方法流程示意图。

图2为本发明实施例二次雷达单周期工作下的目标特征向量描述处理流程示意图。

图3为本发明实施例训练样本原始方向图示意图。

图4为本发明实施例副瓣抑制实测方向图示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

一种基于逻辑回归的二次雷达副瓣抑制方法，如图1所示，包括如下步骤：

S1、根据采集探测的目标信号并解析，根据解析得到的信号表征构建探测目标信号的多维特征向量；

具体而言，S1具体包括如下步骤：

S11、根据二次雷达询问机接收到的应答信号进行信息解析，提取信号所表征的物理信息，将所提取的信号所表征的物理信息组成一维特征向量；

根据二次雷达询问机接收到应答信号，完成信息解析工作，提取信号所表征目标的距离、机体系方位、波束指向角、俯仰角、和波束幅度、差波束幅度、控制波束幅度、和差幅度差值、和控制幅度差值、工作频率、一次雷达探测目标距离、一次雷达探测目标机体系方位，组成一维向量

S12、对步骤S11得到的一维特征向量进行特征变换，得到归一化后的特征向量；

对构建的特征向量

表1归一化向量选择方法

S13、对一组询问应答处理流程中解析的目标进行处理，采用

对一组询问应答处理流程中解析的目标进行处理，设一组询问应答的次数为

S2、使用二次雷达设备于微波暗室环境中进行俯仰角、波束指向角的应答信号采集，利用所采集信号作为训练样本构建逻辑回归模型并进行训练；

在本实施例里，S2具体包括如下步骤：

S21、利用标准二次雷达在暗室中进行雷达波束扫描，得到雷达波束俯仰角、波束指向角的应答信号；

使用标准二次雷达设备于微波暗室环境中进行测试，完成各个俯仰角、波束指向角的和波束、差波束、控制波束的方向图扫描，方向图示意如图3所示

S22、根据步骤S21得到的雷达波束俯仰角、波束指向角的应答信号，采用随机值方式扩充模拟各情况下的训练样本，得到方向图样集；

使用步骤S21采集的数据，依据电磁波空间衰减公式

S23、在步骤S22得到的方向图样集上标定主瓣和副瓣区间，并按照步骤S1的方式构建主瓣特征向量训练数据样本集和副瓣特征向量训练样本数据集，并合并为逻辑回归模型的训练样本集；

依据步骤S22形成的方向图样本集，标定主瓣和副瓣区间，使用步骤1描述方法，此时一次距离和方位参数直接写0处理，完成主瓣特征向量训练数据样本集

S24、利用S23训练样本集进行逻辑回归模型训练，计算逻辑回归模型的参数。

在本实施例里，具体包括如下步骤：

S241、计算主瓣和副瓣的估计概率，计算方式为：

其中,

S242、对训练样本集构建似然函数，表示为：

其中，

S243、对S242中构建的似然函数求对数，得到对数似然函数，表示为：

其中，

S244、对

S3、设备正常工作中，利用训练完成的逻辑回归模型解析二次雷达应答信号并进行副瓣信号目标判决抑制，得到经过副瓣抑制后的二次雷达信号；

在本实施例里，具体包括如下：

S31、在二次雷达设备正常工作过程中，计算本次接收目标解系信息的特征参数表达；

二次雷达设备在正常工作过程中，通过步骤S1的方式可计算出本次接收目标解析信息特征参数表达。

S32、利用计算得到的逻辑回归模型的参数计算本次接收目标为副瓣目标的概率，若是，则判定本次接收目标为虚假目标并抑制该虚假目标，若不是则正常输出结果。

本实施例里，使用步骤S24得到的逻辑回归模型参数

S4、采用步骤S3中经过副瓣抑制后的二次雷达信号对步骤S2中的模型进行训练样本扩充，对步骤S2构建的逻辑回归模型进行持续迭代优化训练，进一步提升模型性能。

在实际工作中具备与一次雷达配合的情况下，可使用步骤S1采集到的特征向量作为补充样本集迭代更新逻辑回归模型训练，同时，由于实际工作中有极小概率出现预测错误的样本，当出现预测错误的样本时，可通过人工纠正后再使用步骤S1采集到得特征向量作为补充样本集迭代更新逻辑回归模型训练.

本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。