本发明公开了一种基于图频特性的雷达杂波智能分类方法，基于数学模型的方法鲁棒性不够，数据特征提取多基于经验，本发明将一维杂波信号序列转换为图结构数据，用无向图表达杂波信号间的关联特性，用设计的特征提取器主要挖掘图结构中的谱半径最大特征值和表示连通性的第二小特征值作为数据特征的挖掘，将该图特征提取器与SVM结合，达到杂波类型区分的目标，本发明的使用，能够实现原始数据深层关联特征的信息提取，提高检测效率，省略对数据分布概率的建模过程，提高数据利用效率，增强检测的适应能力

用设计的特征提取器主要挖掘图结构中的谱半径最大特征值和表示连通性的第二小特征值作为数据特征的挖掘，将该图特征提取器与SVM结合，达到杂波类型区分的目标，本发明的使用，能够实现原始数据深层关联特征的信息提取，提高检测效率，省略对数据分布概率的建模过程，提高数据利用效率，增强检测的适应能力

，提出一种基于信号图谱(图频域的特征值)信息的杂波智能分类方法。本发明的核心技术之一是将一维杂波信号序列转换为图结构数据，用无向图表达杂波信号间的关联特性，区别于传统的自相关函数法。第二是用设计的特征提取器主要挖掘图结构中的谱半径最大特征值和表示连通性的第二小特征值作为数据特征的挖掘。第三是将该图特征提取器与SVM结合，达到杂波类型区分的目标，本发明的使用，能够实现原始数据深层关联特征的信息提取，提高检测效率，省略对数据分布概率的建模过程，提高数据利用效率，增强检测的适应能力。本发明是图谱理论与在实际应用领域的创新发展。 

本发明属于一维雷达回波信号处理技术领域，具体是利用信号图频域的谱直径和第二大特征值为主要特征构建特征提取器，结合智能分类器进行杂波信号分类处理的方法。

雷达通过发射和接收电磁波进行工作，可以通过回波多普勒频率变化高效区分静止和径向运动目标。应用背景可以是陆地上的目标，也可以是海上目标，以及空中飞行目标等。通过针对不同雷达体制的软件算法设计实现不同硬件环境和自然环境下的目标检测，识别及跟踪；在民用中的导航、环境监测、气象预测及军事领域的监视、预警和反潜等方面都有重要的作用

   张乐，硕士，高级实验师，1977年生，主要从事信号处理和机器学习方向的研究，曾主持浙江省自然科学基金项目，浙江省教育厅项目及横向课题共5项。参研国家自然科学基金重大仪器专项，国家自然科学基金青年项目，浙江省重点科技创新团队支撑项目，浙江省科技计划重点研发项目等共7项。授权发明专利多项。公开发表期刊论文10余篇。

   曾访学加拿大麦克马斯特大学交流学习一年。参与浙江省物联感知与信息融合重点实验室、省财政专项实验室先进控制与智能信息集成、校楼宇自动化本科教学实验室的建设。

本发明考虑将雷达回波数据的从一维信号序列转换为图结构，构建由顶点集和连接边构成的图信号，通过计算图对应的拉普拉斯矩阵的特征值，揭示该信号的图谱特征，是图论理论在该工程领域的延展。能够更加深入的反映信号序列的深层相关特征，选取图频信息中区分度明显，具有特定物理意义的数值信息作为SVM智能分类算法的输入特征集，该方法不构建杂波分布模型，不进行模型参数估计，因此不受分布模型准确度的影响。是一种新的有应用潜力的杂波分类方法。

技术合作，遣派学者专家到国外或者其他地区的高校，研究机构或者生产企业与对方的学者，专家合作进行研究设计，或者双方学者，专家轮流到对方学校，研究机构或者企业进行研究。