基于數(shù)據(jù)挖掘的雷達(dá)探測(cè)目標(biāo)誤差測(cè)量技術(shù)

張 彤

(成都理工大學(xué) 工程技術(shù)學(xué)院，四川 樂山 614000)

0 引言

隨著雷達(dá)技術(shù)的不斷發(fā)展與進(jìn)步，不同領(lǐng)域都將該技術(shù)進(jìn)行了很好的應(yīng)用，如軍事領(lǐng)域、農(nóng)業(yè)畜牧等領(lǐng)域，他們通過(guò)該技術(shù)得到了具有豐富信息且非常清晰的圖像[1]。雷達(dá)圖像中存在著許許多多的目標(biāo)，其中不乏一些復(fù)雜的，識(shí)別這些復(fù)雜的圖像是非常困難的，雷達(dá)技術(shù)最基礎(chǔ)的功能和應(yīng)用就是對(duì)所需目標(biāo)進(jìn)行識(shí)別，所以對(duì)如何利用雷達(dá)技術(shù)識(shí)別所需目標(biāo)是一個(gè)備受矚目的焦點(diǎn)[2]。目標(biāo)的不同特性和變化多端的天氣對(duì)雷達(dá)在進(jìn)行探測(cè)時(shí)的效能有著非常大的影響，雷達(dá)所探測(cè)的信息中夾雜著許多雜波信息，很難得到具有一定影響價(jià)值的規(guī)律和模式，也就導(dǎo)致了“數(shù)據(jù)豐富，知識(shí)貧乏”的出現(xiàn)[3]。

雷達(dá)探測(cè)目標(biāo)的誤差測(cè)量技術(shù)不僅非常深?yuàn)W復(fù)雜，而且是一種具有系統(tǒng)性的工作，主要是由“白箱”建模和“黑箱”建模兩種基本的方法組成，所謂“白箱”就是通過(guò)理論分析推導(dǎo)，進(jìn)而得出機(jī)理模型，也就是對(duì)之前已經(jīng)經(jīng)過(guò)驗(yàn)證的知識(shí)進(jìn)行推導(dǎo)；“黑箱”是，通過(guò)測(cè)試?yán)走_(dá)系統(tǒng)所輸入/出的數(shù)據(jù)信息，并作出相應(yīng)的判斷的方法。當(dāng)今主要是用傳統(tǒng)的方法進(jìn)行“黑箱”建模，即數(shù)理統(tǒng)計(jì)的方法進(jìn)行仿真雷達(dá)探測(cè)，但是這種方式不能反映出真實(shí)的誤差的特性，而是只能進(jìn)行誤差總體上的規(guī)律的反映，對(duì)整體測(cè)量技術(shù)的真實(shí)性有比較大的影響，因?yàn)樵摲椒ǖ玫降南到y(tǒng)誤差和標(biāo)準(zhǔn)差只是通過(guò)分析歷史上存有的誤差數(shù)據(jù)資料和對(duì)通過(guò)對(duì)比模仿得到的，比對(duì)模型是高斯白噪聲模型。數(shù)據(jù)挖掘是指對(duì)隱含且未知的數(shù)據(jù)進(jìn)行提取的過(guò)程，所選數(shù)據(jù)是隨機(jī)的、數(shù)量龐大的且不清晰的，但這些信息確認(rèn)是潛在的且有用的，所以提出了建立于該方法之上的雷達(dá)探測(cè)目標(biāo)誤差測(cè)量技術(shù)。

1 基于數(shù)據(jù)挖掘的雷達(dá)探測(cè)目標(biāo)圖像識(shí)別

數(shù)據(jù)挖掘技術(shù)的激光雷達(dá)圖像識(shí)別思想為：最開始要進(jìn)行圖像的去噪，在小波變換下進(jìn)行去噪處理，接著提取圖像的Zernike不變矩陣的特征進(jìn)行，最后建立深度的網(wǎng)絡(luò)層進(jìn)行識(shí)別模型[4]。

1.1 目標(biāo)圖像的特征提取

圖像切割:如果把具有極其復(fù)雜性的圖像直接輸入到分類器里面，分類器會(huì)隨之變得非常復(fù)雜。所以，需要切割整個(gè)完整的圖像，切割步驟為：1)確定圖像的閥值，即從眾多閥值中選擇適合的數(shù)值；2)對(duì)圖像做二值化處理和平滑處理[5]。從水平的方向開始掃描圖像，計(jì)算從第一行起的圖像中白色像素的數(shù)量，如果數(shù)量大于N(已設(shè)閥值)時(shí)，需要對(duì)此進(jìn)行特殊的標(biāo)記。若與它相鄰的兩行仍然出現(xiàn)這種情況，即白色像素的數(shù)量大于已設(shè)閥值，那么視為之前的標(biāo)記為合理標(biāo)記，否則的話，就要從頭開始再次操作[6]。若出現(xiàn)合理的標(biāo)記時(shí)，就要開始改為向下的掃描。接著計(jì)算以最后一行起的每行中白色像素的數(shù)量，如果數(shù)量大于N，就要將這一整行進(jìn)行特殊標(biāo)記。然后接著做向上的掃描，若相鄰兩行仍是白色像素的數(shù)量大于N，同上需要視之前的標(biāo)注為合理的，且重新進(jìn)行該操作[7]。若過(guò)程中有合理標(biāo)記出現(xiàn)，就要停下水平方向的掃描。垂直方向同理，需在水平方向的掃描區(qū)進(jìn)行[8]。

1.2 圖像歸一化

一般需要在分類器中輸入圖像之前對(duì)其進(jìn)行歸一化處理，包括位置、大小等的歸一化處理。

1)位置歸一化。主要是將目標(biāo)移動(dòng)到所規(guī)定的位置，以達(dá)到位置偏差的消除目的。有下面兩種比較簡(jiǎn)單的歸一化方法：(1)對(duì)目標(biāo)的質(zhì)心進(jìn)行計(jì)算，隨后將其移動(dòng)到指定的位置，該方法被稱為建立于質(zhì)心之上的歸一化方法；(2)對(duì)目標(biāo)的外邊框進(jìn)行計(jì)算，然后尋找重心，再將其移動(dòng)到指定位置，該方法稱之為建立于目標(biāo)外邊框之上的位置歸一化方法[9]。

2)大小歸一化。進(jìn)行變換大小不一的目標(biāo)，使其大小相同，該變換過(guò)程為大小歸一化。主要有下面兩種方法：(1)為了使目標(biāo)符合規(guī)定，需對(duì)目標(biāo)外框進(jìn)行放大或者縮小，縮放過(guò)程要按照比例進(jìn)行；(2)根據(jù)目標(biāo)在水平和垂直兩個(gè)方向的分布進(jìn)行大小歸一化[10]。

1.3 圖像識(shí)別

如何在向量機(jī)中進(jìn)行目標(biāo)圖像特征的輸入，并對(duì)其進(jìn)行分類和預(yù)測(cè)，主要有下面3個(gè)步驟：

1)建模，也就是向量機(jī)模型的建立。模型中的核函數(shù)為徑向基函數(shù)。該函數(shù)在模型選擇時(shí)由以下兩個(gè)參數(shù)決定：懲罰因子和核參數(shù)。分類器的性質(zhì)和預(yù)測(cè)能力受到該參數(shù)的直接影響[11]。

2)學(xué)習(xí)，通過(guò)樣本進(jìn)行訓(xùn)練以對(duì)向量機(jī)提出支持。用于目標(biāo)圖像識(shí)別的支持向量機(jī)的學(xué)習(xí)過(guò)程如圖1所示。

圖1 支持向量機(jī)的學(xué)習(xí)過(guò)程

由圖1可知，通過(guò)目標(biāo)圖像識(shí)別樣本，對(duì)目標(biāo)識(shí)別圖像進(jìn)行前期處理后，計(jì)算目標(biāo)識(shí)別圖像的特征矩，并對(duì)特征矩進(jìn)行歸一化處理，再輸入到初始支持向量機(jī)中進(jìn)行訓(xùn)練，得到訓(xùn)練后的支持向量機(jī)。

3)預(yù)測(cè)，在向量機(jī)中輸入未經(jīng)分類的圖像特征，并對(duì)此做出分類和預(yù)測(cè)。

根據(jù)上述內(nèi)容，設(shè)計(jì)具體識(shí)別流程如圖2所示。

圖2 雷達(dá)圖像的識(shí)別流程

由圖2可知，雷達(dá)圖像的識(shí)別流程為錄取實(shí)際測(cè)量點(diǎn)的數(shù)據(jù)，分別提取實(shí)際測(cè)量點(diǎn)的數(shù)據(jù)特征，再對(duì)實(shí)際測(cè)量點(diǎn)的數(shù)據(jù)進(jìn)行訓(xùn)練后，分類識(shí)別目標(biāo)圖像樣本，并輸出目標(biāo)圖像識(shí)別結(jié)果。

2 數(shù)據(jù)預(yù)處理

在進(jìn)行數(shù)據(jù)挖掘時(shí)，必不可少的一步為數(shù)據(jù)的預(yù)處理。因?yàn)楸煌诰虻脑紨?shù)據(jù)有著冗雜多余且空洞無(wú)用的特點(diǎn)，在進(jìn)行數(shù)據(jù)挖掘時(shí)要對(duì)其進(jìn)行加工，處理其中的噪聲，這就是所謂的數(shù)據(jù)預(yù)處理[12]。數(shù)據(jù)預(yù)處理流程如圖3所示。

圖3 數(shù)據(jù)預(yù)處理流程

預(yù)處理的主要流程為：

1)將所需處理的數(shù)據(jù)進(jìn)行相應(yīng)的轉(zhuǎn)換、集成和匹配。要想實(shí)現(xiàn)數(shù)據(jù)挖掘，就要將目標(biāo)雷達(dá)所得到的實(shí)際測(cè)量數(shù)據(jù)和真實(shí)航跡數(shù)據(jù)進(jìn)行對(duì)比，并獲得差值。但是上述兩種數(shù)據(jù)在采集時(shí)的步長(zhǎng)是不同的，并且被存放在不同的文件中，所以要對(duì)二者做航跡匹配處理，并且為了二者步長(zhǎng)變得一樣，還需要對(duì)數(shù)據(jù)進(jìn)行三點(diǎn)插值處理。

2)將數(shù)據(jù)處理成一致的。目的是保證挖掘結(jié)果的精確度和干凈整潔，且具備一致性的特點(diǎn)。

3)讀取雷達(dá)數(shù)據(jù)文件，并將其裝入數(shù)組之中，指針指向數(shù)組初始位置，數(shù)組是否為計(jì)算機(jī)保留的值？如果是，則結(jié)束程序；如果不是，則查看數(shù)據(jù)是否為模式數(shù)據(jù)？如果是，則需解碼，并將結(jié)果存儲(chǔ)到計(jì)算機(jī)指令之中，否則直接查看解碼時(shí)間信息；將解碼結(jié)果存儲(chǔ)到模式數(shù)據(jù)庫(kù)之中，查看解碼時(shí)間信息，并將結(jié)果存儲(chǔ)到時(shí)間表之中，解碼方位信息，并將結(jié)果存儲(chǔ)成AZ格式。不斷重復(fù)上述步驟，直到獲取所需數(shù)據(jù)。

3 雷達(dá)探測(cè)目標(biāo)誤差測(cè)量

雷達(dá)探測(cè)誤差數(shù)據(jù)挖掘需要輸入和預(yù)測(cè)屬性，前者為真值距離和真值方位，后者為距離和方位誤差，而誤差模型的建立還要依靠決策樹來(lái)完成，評(píng)估樹的準(zhǔn)確性還要依據(jù)保留測(cè)試法來(lái)實(shí)現(xiàn)。保留測(cè)試法對(duì)樣本數(shù)據(jù)集進(jìn)行劃分，劃分為訓(xùn)練和測(cè)試數(shù)據(jù)集，并且二者是互不相交的。

在SQL Server 2005中進(jìn)行誤差數(shù)據(jù)的挖掘，為了選擇適合且可用的決策樹算法，需要選擇挖掘模型參數(shù)。決策樹-即樹形結(jié)構(gòu)的流程圖，屬性的測(cè)試由內(nèi)部節(jié)點(diǎn)表示，測(cè)試結(jié)果由分支表示，類別則由葉節(jié)點(diǎn)表示，根節(jié)點(diǎn)即樹的最高層，如圖4所示。

圖4 決策樹樹形結(jié)構(gòu)圖

為了形成決策樹，需要進(jìn)行訓(xùn)練樣本子集的選擇，若該樹不能給出任何對(duì)象正確答案，則要將沒有得到正確答案的特殊情況添加到該樹中，一直重復(fù)上述操作，直到正確決定集的出現(xiàn)為止。完成一個(gè)符合要求決策樹，即每個(gè)葉子都可以代表一個(gè)類別，每一個(gè)節(jié)點(diǎn)都代表一個(gè)屬性，每一個(gè)分支都代表一個(gè)屬性所對(duì)應(yīng)可能值。

進(jìn)行熵計(jì)算方法下的拆分分?jǐn)?shù)計(jì)算，和節(jié)點(diǎn)的拆分，拆分方法為二分法。通過(guò)以上操作，挖掘模型會(huì)分別生成距離和方位誤差的決策樹。通過(guò)對(duì)包含在葉節(jié)點(diǎn)中的最少的樣本數(shù)的設(shè)定進(jìn)行決策樹的剪枝和修剪，并對(duì)其進(jìn)行評(píng)估，評(píng)估需要根據(jù)測(cè)試數(shù)據(jù)集完成，確定了距離誤差決策樹在樣本數(shù)最少時(shí)生成預(yù)測(cè)性能比較好。

基于數(shù)據(jù)挖掘的雷達(dá)探測(cè)目標(biāo)誤差測(cè)量技術(shù)實(shí)現(xiàn)流程如圖5所示。

圖5 雷達(dá)探測(cè)目標(biāo)誤差測(cè)量流程

由于雷達(dá)探測(cè)目標(biāo)通常是通過(guò)相關(guān)指令實(shí)現(xiàn)目標(biāo)探測(cè)的，相應(yīng)獲取的雷達(dá)運(yùn)行軌跡誤差圖像真實(shí)反應(yīng)了從雷達(dá)指令發(fā)布的完整信息。通過(guò)信號(hào)源為被探測(cè)目標(biāo)提供所需要的信號(hào)，利用多傳感器融合相關(guān)數(shù)據(jù)參數(shù)，再通過(guò)數(shù)據(jù)采集卡，將模擬信號(hào)轉(zhuǎn)化為數(shù)字信號(hào)，傳輸?shù)絇C端，以此建立雷達(dá)探測(cè)目標(biāo)誤差測(cè)量的虛擬基準(zhǔn)。利用數(shù)據(jù)挖掘方法分離出各個(gè)誤差分量，并且分析出產(chǎn)生誤差的根本原因。根據(jù)探測(cè)結(jié)果，還可以優(yōu)化雷達(dá)探測(cè)位置，提高測(cè)量精準(zhǔn)度。

4 雷達(dá)仿真結(jié)果驗(yàn)證

針對(duì)基于數(shù)據(jù)挖掘的雷達(dá)探測(cè)目標(biāo)誤差測(cè)量技術(shù)研究，進(jìn)行仿真實(shí)驗(yàn)驗(yàn)證。

4.1 數(shù)據(jù)挖掘處理

雷達(dá)信號(hào)中存在的孤立點(diǎn)需通過(guò)挖掘分離處理，使用數(shù)據(jù)挖掘技術(shù)在后期處理時(shí)主要通過(guò)以下兩種方法得以應(yīng)用。

1)進(jìn)行原始的雷達(dá)信號(hào)和已經(jīng)被處理過(guò)且孤立點(diǎn)已經(jīng)被刪除的信號(hào)之間的比較，將其送到雷達(dá)終端，雷達(dá)終端會(huì)將目標(biāo)點(diǎn)跡圖顯示出來(lái)，以達(dá)到有效性確定的目的。

圖6 雷達(dá)目標(biāo)點(diǎn)軌跡

從以上點(diǎn)跡圖可以很明顯地看出經(jīng)過(guò)處理和未經(jīng)處理的雷達(dá)信號(hào)的區(qū)別。兩幅圖由于是在不同的時(shí)間段采集的，會(huì)有略微的區(qū)別，但是前后兩幅圖因采集數(shù)據(jù)的時(shí)段不同略有差異，但是可以看出原始點(diǎn)擊圖中顯示的航線附近非常多的干擾點(diǎn)在處理過(guò)的圖中得到了明顯的解決，可以斷定該處理有效過(guò)濾且去除了價(jià)目表的信號(hào)。

2)進(jìn)行提取孤立點(diǎn)信號(hào)，并將其送到終端顯示器上，接著對(duì)其進(jìn)行觀察，確定其規(guī)律后，做出合理的處理。通過(guò)以上方法，提取了4種類型：

(1)出現(xiàn)在25 km的半徑范圍內(nèi)，該范圍是以雷達(dá)站為圓心計(jì)算的，除此之外， 25～50 km之間偶爾也會(huì)有假目標(biāo)出現(xiàn)。真假目標(biāo)距雷達(dá)站有著相同的距離；假目標(biāo)數(shù)量比較多，一般在2～3個(gè)，情況很糟糕時(shí)甚至?xí)霈F(xiàn)4～5個(gè)之多，分布為扇形，并且會(huì)出現(xiàn)在真目標(biāo)的順/逆時(shí)針方向。

(2)出現(xiàn)在半徑50～120 km之內(nèi)，出現(xiàn)更加頻繁的位置是65 km和100 km附近，而且30～50 km、120～180 km的范圍之間也會(huì)有假目標(biāo)的出現(xiàn)。真假目標(biāo)距雷達(dá)站有著相同的距離；多數(shù)情況下是一個(gè)，惡劣時(shí)會(huì)出現(xiàn)兩個(gè)。若假目標(biāo)在真目標(biāo)的逆時(shí)針方向出現(xiàn)，從雷達(dá)矩陣引兩條夾角為40°的射線到真目標(biāo)和假目標(biāo)上面。反之，如果假目標(biāo)在真目標(biāo)的順時(shí)針方向出現(xiàn)，則所需射線的夾角為30°。

(3)出現(xiàn)在270～280 km方位一般情況下是一個(gè)假目標(biāo)，不好的情況會(huì)出現(xiàn)兩個(gè)，二者之間離的非常近，且夾角也比較小。

(4)假目標(biāo)很偶爾的會(huì)出現(xiàn)，且沒有規(guī)律，不會(huì)長(zhǎng)時(shí)間的出現(xiàn)。

4.2 雷達(dá)運(yùn)動(dòng)軌跡研究及結(jié)果分析

根據(jù)上述4種假設(shè)目標(biāo)類型，對(duì)雷達(dá)運(yùn)動(dòng)軌跡展開分析，如圖7所示。

圖7 4種假設(shè)目標(biāo)類型雷達(dá)目標(biāo)點(diǎn)軌跡

用圖7所示的目標(biāo)點(diǎn)軌跡，將傳統(tǒng)方法與基于數(shù)據(jù)挖掘方法的雷達(dá)探測(cè)目標(biāo)誤差測(cè)量精準(zhǔn)度進(jìn)行對(duì)比分析，結(jié)果如表1～4所示。

表1 第一類假設(shè)情況下兩種方法測(cè)量精準(zhǔn)度對(duì)比結(jié)果

表2 第二類假設(shè)情況下兩種方法測(cè)量精準(zhǔn)度對(duì)比結(jié)果

表3 第三類假設(shè)情況下兩種方法測(cè)量精準(zhǔn)度對(duì)比結(jié)果

表4 第4類假設(shè)情況下兩種方法測(cè)量精準(zhǔn)度對(duì)比結(jié)果

由上述表內(nèi)容可知，采用傳統(tǒng)方法雷達(dá)探測(cè)目標(biāo)誤差測(cè)量精準(zhǔn)度與實(shí)際值相差較大，最大誤差為16.8 km；而基于數(shù)據(jù)挖掘方法雷達(dá)探測(cè)目標(biāo)誤差測(cè)量精準(zhǔn)度與實(shí)際值相差較小，最大誤差為2.0 km。

5 結(jié)束語(yǔ)

建立于數(shù)據(jù)挖掘之上的雷達(dá)探測(cè)方法可以有效地分析和測(cè)量目標(biāo)誤差，提出了在這方面研究的新路徑。在以后的研究中，為了能夠得到更加具有真實(shí)性的雷達(dá)探測(cè)誤差的結(jié)果，會(huì)對(duì)與誤差探測(cè)有關(guān)的機(jī)制、環(huán)境等影響因素進(jìn)行研究。

有幾個(gè)問(wèn)題在做研究的時(shí)候發(fā)現(xiàn)依然需要想出解決辦法，主要問(wèn)題是：1)在進(jìn)行孤立點(diǎn)分析算法時(shí)發(fā)現(xiàn)維度越高，時(shí)間的復(fù)雜度也會(huì)隨之增高;2)如何在如今手工選擇不同時(shí)段數(shù)據(jù)以得到所需參數(shù)的方法之上，建立更加便捷動(dòng)態(tài)高效的參數(shù)選擇方法;3)如何提高信息挖掘的真實(shí)可靠性和準(zhǔn)確率。當(dāng)數(shù)據(jù)比較密集時(shí)，經(jīng)常會(huì)出現(xiàn)真實(shí)的目標(biāo)信號(hào)被誤認(rèn)為假的信號(hào)的情況。接下來(lái)為了建立更加真實(shí)有效的挖掘模型，將會(huì)進(jìn)行雷達(dá)數(shù)據(jù)挖掘方法的更進(jìn)一步的研究與探討。