(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210259801.4 (22)申请日 2022.03.16 (71)申请人 西安电子科技大 学 地址 710000 陕西省西安市雁塔区太白南 路2号 (72)发明人 谢荣　黄超　刘峥　刘莎莎　冉磊　 (74)专利代理 机构 西安嘉思特知识产权代理事 务所(普通 合伙) 6123 0 专利代理师 方婷 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/22(2022.01) G06V 10/764(2022.01) G06V 10/771(2022.01) G06V 10/774(2022.01)G06V 10/80(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于雷达红外融合特征的空中目标识 别方法 (57)摘要 本发明公开了一种基于雷达红外融合特征 的空中目标识别方法， 包括： 获取待训练目标对 应的第一特征集， 其中， 所述第一特征集包括： 第 一雷达特征集和第一红外特征集； 基于所述第一 特征集， 确定预设鉴别器模型； 获取待识别目标 对应的第二特征集， 其中， 所述第二特征集包括： 第二雷达 特征集和第二红外特征集； 通过所述预 设鉴别器模 型分析所述第二特征集， 以确定所述 待识别目标的类别， 实现目标识别； 其中， 所述类 别包括库内目标和库外目标。 本发 明能够提高空 中目标识别准确度和效率。 权利要求书3页 说明书9页 附图5页 CN 114764879 A 2022.07.19 CN 114764879 A 1.一种基于雷达红外融合特 征的空中目标识别方法， 其特 征在于， 包括： 步骤1： 获取待训练目标对应的第一特征集， 其中， 所述第 一特征集包括： 第一雷达特征 集和第一红外特 征集； 步骤2： 基于所述第一特 征集， 确定预设鉴别器模型； 步骤3： 获取待识别目标对应的第二特征集， 其中， 所述第 二特征集包括： 第二雷达特征 集和第二红外特 征集； 步骤4： 通过所述预设鉴别器模型分析所述第二特征集， 以确定所述待识别目标的类 别， 实现目标识别； 其中， 所述类别包括库内目标和库外目标。 2.根据权利要求1所述的方法， 其特 征在于， 所述 步骤1包括： 步骤1‑1： 获取待训练目标对应的待训练特征集， 所述待训练特征集包括待训练雷达特 征集{x1,x2,…,xi,…,xm}和待训练 红外特征集{y1,y2,…,yj,…,yn}； 其中， xi∈R， 1≤i≤m， m为雷达特征的维度； yj∈R， 1≤j≤n， n为红外特征的维度， R为实 数集； 步骤1‑2： 基于预设标准化处理算法， 对所述待训练雷达特征集和待训练红外特征集分 别进行标准化处理， 以得到第一雷达特 征集X和第一红外特 征集Y， 表示 为： 其中， μi和σi分别表示待训练雷达特征xi的均值和方差， μj和σj分别表示待训练红外特 征yj的均值和方差； 将第一雷达特 征集X表示 为： X＝{X1,X2,…,Xi,…,Xm}； 将第一红外特 征集Y表示 为： Y＝{Y1,Y2,…,Yj,…,Yn}。 3.根据权利要求2所述的方法， 其特 征在于， 所述 步骤2包括： 步骤2‑1： 基于特征选择算法， 从所述第一雷达特征集 中获取第一雷达鉴别特征X(f)， 以 及从所述第一红外特 征集中获取第一红外鉴别特 征Y(g)； 步骤2‑2： 基于预设特征融合算法， 对所述第一雷达鉴别特征和第 一红外鉴别特征进行 特征融合处 理， 以得到第一融合特 征向量； 步骤2‑3： 基于所述第一融合特 征向量， 建立预设鉴别器模型。 4.根据权利要求2所述的方法， 其特 征在于， 所述 步骤2‑1之前， 所述方法还 包括： 步骤S11： 基于Relief评价准则计算所述第一雷达特征集和第一红外特征集中的每个 特征对应的第一权 重值， 并对第一权 重值进行排序， 表示 为： Sort(Relief)＝[SR(1),SR(2),…,SR(i),…,SR(N)]， 其中， N表示特 征数量， SR(·)表示第一权 重值； 步骤S12： 基于MRMR评价准则计算所述第一雷达特征集和第一红外特征集中每个特征 对应的第二权 重值， 并对第二权 重值进行排序， 表示 为： Sort(MRMR)＝[SM(1),SM(2),…,SM(i),…,SM(N)]， 其中， SM(·)表示第二权 重值；权　利　要　求　书 1/3 页 2 CN 114764879 A 2步骤S13： 基于序关系分析算法， 对所述第一权重值和所述第二权重值进行排序， 得到 综合排序结果S(i)， 表示 为： S(i)＝w1SR(i)+w2SM(i)， 其中， w1和w2分别表示 不同评价 准则的权值系数； 所述步骤2‑1包括： 按照特征选择算法， 从第一权重值和第二权重值的排序结果中， 获取第一雷达鉴别特 征X(f)和第一红外鉴别特 征Y(g)。 5.根据权利要求2所述的方法， 其特 征在于， 所述 步骤2‑2包括： 步骤2‑21： 将融合 准则函数表示 为： 其中， α 与β 表示T维非零相关判别向量， Sbx为X的类间散布矩阵， Swx为X的类内散布矩阵， Scx为X的自协方差矩阵， Sc为互协方差矩阵； 步骤2‑22： 基于拉格朗日乘子法求解所述融合准则函数， 得到优化后的目标函数， 表示 为： 步骤2‑23： 获得第一雷达特 征集对应的解， 表示 为： 获得第一红外特 征集对应的解， 表示 为： 步骤2‑24： 获取所述第一雷达特征集和所述第一红外特征集的转换权值WCDVx和WCDVy， 表 示为：权　利　要　求　书 2/3 页 3 CN 114764879 A 3