基于局部均值分解的目標識別特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達技術(shù)領(lǐng)域,涉及目標識別特征提取方法,可用于對飛機、車輛等目 標進行識別。
【背景技術(shù)】
[0002] 運動目標的主體會對雷達回波產(chǎn)生幅度、相位和頻率等方面的調(diào)制。人們將這種 調(diào)制現(xiàn)象稱為多普勒調(diào)制。通常,運動目標上還往往存在一些相對于主體運動的微動部件, 如飛機旋翼、渦扇發(fā)動機葉片、車輪等,這些微動部件也會對雷達回波產(chǎn)生多普勒調(diào)制。為 了與目標主體的多普勒調(diào)制進行區(qū)分,人們將微動部件的多普勒調(diào)制稱為微多普勒調(diào)制。 不同目標微動部件的運動形式不同,因此在雷達回波中產(chǎn)生的微多普勒調(diào)制也存在差異, 利用微多普勒調(diào)制差異對目標進行識別成為了目標識別領(lǐng)域的熱點。
[0003]目標的雷達回波頻譜中包含了豐富的微多普勒調(diào)制分量,當前主流的目標識別方 法是直接從目標的雷達回波中計算波形熵等能描述目標微多普勒調(diào)制特性的數(shù)值作為識 別特征。例如西安電子科技大學雷達信號處理國家重點實驗室提出的在飛機類目標及空間 錐體類目標的識別中,提取頻域波形熵、頻域二階中心距等目標識別特征。
[0004] 實際中,目標的雷達回波信號中也包含了目標本體的多普勒調(diào)制分量。該分量會 對提取的識別特征產(chǎn)生較大擾動,降低不同目標識別特征的可分性。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的在于針對上述已有技術(shù)的不足,提出一種基于局部均值分解的目標 識別特征提取方法,以降低目標本體產(chǎn)生的多普勒調(diào)制對特征提取的影響,提高識別性能。
[0006] 為實現(xiàn)上述發(fā)明目的,本發(fā)明的技術(shù)方案包括如下:
[0007] 1)對目標的時域回波信號S={Sl,s2, . . .,sk,. . .,sN}進行局部均值分解,得到余 量信號的和信號u以及L個單分量信號fa,其中%為時域回波信號S第k點的值,k=l,2,..., 1~為脈沖數(shù),€( = 1,2,...丄兒為單分量信號的個數(shù);
[0008] 2)定義第一單分量信號頻譜:F1= IffUfd |以及剩余單分量信號頻譜:
其中fl為第一單分量信號,fft[ ·]代表快速傅立葉變換,| · |代表取模 運算;
[0009] 3)根據(jù)L個單分量信號fa,以及定義的第一單分量信號頻譜內(nèi)、剩余單分量信號頻 譜F r,提取如下四種目標識別特征:
[00?0]第一單分量信號熵值:tl=entropy[fi],式中entropy[ ·]代表取熵值運算;
[00?1 ]第一單分量信號頻譜熵值:t2 = entropy [Fi];
[0012] 第一單分量信號頻譜與剩余單分量信號頻譜的能量比:
[0013] t3 = energy[Fr]/energy[Fi],式中energy[ ·]代表取能量運算;
[0014] 第一單分量信號頻譜與剩余單分量信號頻譜的峰值比:tAzma^FrVma^Fi],式 中max[ ·]代表取最大值運算。
【附圖說明】
[0015] 圖1是本發(fā)明的流程圖;
[0016] 圖2是用本發(fā)明對時域回波信號進行局部均值分解得到的結(jié)果的頻譜示意圖。
【具體實施方式】
[0017] 參照圖1,本發(fā)明的實現(xiàn)步驟如下:
[0018] 步驟1,對輸入的時域回波信號進行局部均值分解。
[0019] 雷達接收到的時域回波信號為:S={S1,s2, . . .,sk,. . .,sN},其中Sk為時域回波信 號S第k點的值,k=l,2, . . .,N,N為脈沖數(shù),
[0020] 對時域回波信號S進行局部均值分解,可采用現(xiàn)有的由Jonathan S. Smith提出的 局部均值分解算法,其步驟如下:
[0021] la)確定回波信號S所有的局部極值點m,i = l,2,. . .,W,W為信號S的局部極值點 個數(shù),計算相鄰兩個局部極值點m和111+1的平均值πη,即
;將所有相鄰的兩個均 值nu用直線連接,并對連接后得到的曲線使用滑動平均算法進行平滑處理,得到局部均值 函數(shù)mil;
[0022] lb)使用局部極值點ru計算包絡估計值:
^將所有相鄰兩個包絡估計 值&1用直線連接,將連接后得到的曲線使用滑動平均算法進行平滑處理,得到包絡估計函 數(shù)an;
[0023] lc)將局部均值函數(shù)mn從S中分離,得到差值信號:huzS-mn;
[0024] Id)對差值信號hn解調(diào),得到解調(diào)信號:S11 = hn/an,并將sn作為原始數(shù)據(jù)重復以 上1 a)至1 c)迭代過程,當?shù)鷍次后滿足aij = 1時,迭代終止;
[0025] le)將迭代過程中產(chǎn)生的所有包絡估計函數(shù)相乘得到包絡信號抑,即:
[0026]
[0027] If)將包絡信號gl和純調(diào)頻信號叫相乘得到S的第一單分量信號fi,即:
[0028] fi = gi X sij ;
[0029] lg)將第一單分量信號從S中分尚,得到分尚后的信號ui,即:ui = S_fi,將分尚后的 信號重復上述la)至If)操作,最終將信號S分解為余量信號的和信號u以及L個單分量信號 fa,a = 1,2,· · ·,L,即:
[0030]
〇
[0031] 步驟2,定義第一單分量信號頻譜FjP剩余單分量信號頻譜Fr。
[0032] 2a)根據(jù)第一單分量信號定義第一單分量信號頻譜^為:
[0033] Fi= |fft[fi] I ;
[0034] 2b)根據(jù)L個單分量信號fa定義剩余單分量信號頻譜Fr為:
[0035]
[0036]其中,fft[ ·]代表快速傅立葉變換,| · |代表取模運算。
[0037] 步驟3,特征提取。
[0038]在目標識別領(lǐng)域可提取多種特征作為識別特征,其包括直接在原始時域信號S中 提取的特征和在原始時域信號S的頻譜中提取的特征。
[0039]直接在原始時域信號S中提取的特征,包括:幅度歸一方差、幅度二階中心距、幅度 方差等特征;
[0040] 在原始時域信號S的頻譜中提取的特征,包括:幅值比、主副瓣比、主瓣寬度、去主 峰峰值比等特征。
[0041] 本實例是在分解后的信號及定義的頻譜中提取以下四種特征:
[0042]第一種特征是第一單分量信號熵值:
[0043] tl =entropy[fi];
[0044] 第二種特征是第一單分量信號頻譜熵值:
[0045] t2 = entropy[Fi];
[0046] 第三種特征是第一單分量信號頻譜與剩余單分量信號頻譜的能量比:
[0047] t3 = energy[Fr]/energy[Fi];
[0048] 第四種特征是第一單分量信號頻譜與剩余單分量信號頻譜峰值比:
[0049] t4=max[Fr]/max[Fi];
[0050] 上述特征提取過程中:entropy[ ·]代表取熵值運算,energy[ ·]代表取能量運 算,max[ ·]代表取最大值運算。
[0051 ]本發(fā)明的效果通過以下對仿真數(shù)據(jù)的實驗進一步說明:
[0052] 1.實驗條件
[0053] 選取雷達載頻為3GHz,即L波段、駐留時間為20ms、重復頻率為5KHz,仿真時加入 15dB的高斯白噪聲;模擬產(chǎn)生了 12種飛機的雷達時域回波,具體型號參數(shù)如表1所示。
[0054] 表1各類型飛機參數(shù)
[0055]
[0056] 2 ·實驗內(nèi)容
[0057] 實驗1,對模擬產(chǎn)生的時域回波信號進行局部均值分解,分解后的各分量信號的頻 譜,如圖2所示。在圖2中,圖2(a)表示噴氣式飛機回波信號的分解結(jié)果,圖2(b)表示螺旋槳 式飛機回波信號的分解結(jié)果,圖2(c)表示直升機回波信號的分解結(jié)果。
[0058]圖2表明通過對三類飛機的回波信號進行局部均值分解可以有效的分離出微動分 量。
[0059] 從圖2(a)可以看出,噴氣式飛機由于其飛行速度遠快于直升機與螺旋槳式飛機, 在對應的雷達回波中,經(jīng)局部均值分解后,其本體的多普勒調(diào)制信號對應Fi,微動分量則在 F沖。
[0060] 從圖2(c)可以看出,直升機與噴氣式飛機相反,較慢的飛行速度使得經(jīng)局部均值 分解后,本體的多普勒調(diào)制信號對應FnFi*獲得的是微動分量。
[0061] 從圖2(b)可以看出,螺旋槳飛機的各種飛行特性均位于另外兩種飛機之間,因此 其局部均值分解結(jié)果也近似于另外兩種飛機分解結(jié)果的折中。
[0062] 實驗2,將直接從目標回波的頻譜中提取的特征進行識別的結(jié)果與本發(fā)明的識別 結(jié)果進行比較,結(jié)果如表2所示。
[0063] 表2常規(guī)特征識別結(jié)果與本發(fā)明的識別結(jié)果比較
[0064]
[0065] 從表2中可以看出,本發(fā)明降低了本體產(chǎn)生的多普勒調(diào)制對特征提取的影響,顯著 提尚了識別性能。
【主權(quán)項】
1. 一種基于局部均值分解的目標識別特征提取方法,包括如下步驟: 1)對目標的時域回波信號S={S1,S2,...,sk,..., SN}進行局部均值分解,得到余量信號 的和信號U以及L個單分量信號fa,其中Sk為時域回波信號S第k點的值,k=l,2,. . .,N,N為脈 沖數(shù),α = 1,2,. . .,L,L為單分量信號的個數(shù); 2 )定義第一單分量信號頻譜:F1= |ff Uh] |以及剩余單分量信號頻譜:其中fl為第一單分量信號,fft[ ·]代表快速傅立葉變換,| · |代表取模 運算; 3)根據(jù)L個單分量信號fa,以及定義的第一單分量信號頻譜Fi、剩余單分量信號頻譜Fr, 提取如下四種目標識別特征: 第一單分量信號熵值:tl = entropy[fi],式中entropy[·]代表取熵值運算; 第一單分量信號頻譜熵值:t2 = entropy [Fi]; 第一單分量信號頻譜與剩余單分量信號頻譜的能量比:t3 = energy [Fr]/energy[Fi], 式中energy [·]代表取能量運算; 第一單分量信號頻譜與剩余單分量信號頻譜的峰值比:t4=max[Fr]/max[Fi],式中max [·]代表取最大值運算。2. 根據(jù)權(quán)利要求1所述的目標識別特征提取方法,其中步驟1)所述的對目標的時域回 波信號S={si,S2, . . .,Sk, . . .,sn}進行局部均值分解,步驟如下: la) 確定回波信號S所有的局部極值點m,i = l,2, . . .,W,W為信號S的局部極值點個數(shù), 計算相鄰兩個局部極值點m和111+1的平均值nu,g卩:;將所有相鄰的兩個均值nu 用直線連接,并對連接后得到的曲線使用滑動平均算法進行平滑處理,得到局部均值函數(shù) mu; lb) 使用局部極值點m計算包絡估計值:將所有相鄰兩個包絡估計值&1用 直線連接,將連接后得到的曲線使用滑動平均算法進行平滑處理,得到包絡估計函數(shù)an; lc) 將局部均值函數(shù)mn從S中分離,得到差值信號:hn = S-m11; ld) 對差值信號hn解調(diào),得到解調(diào)信號:S11 = hn/an,并將sn作為原始數(shù)據(jù)重復以上la) 至lc)迭代過程,當?shù)鷍次后滿足aij = 1時,迭代終止; le) 將迭代過程中產(chǎn)生的所有包絡估計函數(shù)相乘得到包絡信號抑,即:lf) 將包絡信號gl和純調(diào)頻信號叫相乘得到S的第一單分量信號,即: fl = glXsij; lg) 將第一單分量信號從S中分離,得到分離后的信號,將分離后的信號重復 上述la)至If)操作,最終得到余量信號的和信號u以及L個單分量信號fa,a = l,2, . . .,L。
【專利摘要】本發(fā)明公開了一種基于局部均值分解的目標識別特征提取方法,主要解決現(xiàn)有目標識別技術(shù)中識別性能差的問題。其技術(shù)方案是:1.對雷達時域回波信號進行局部均值分解;2.利用分解結(jié)果定義第一單分量信號頻譜和剩余單分量信號頻譜;3.從各分量信號及其頻譜中提取第一單分量信號熵值、第一單分量信號頻譜熵值、第一單分量信號頻譜與剩余單分量信號頻譜的能量比、第一單分量信號頻譜與剩余單分量信號頻譜的峰值比,這四種識別特征。本發(fā)明具有提高識別性能的優(yōu)點,可用于對雷達目標的識別。
【IPC分類】G01S7/41
【公開號】CN105676202
【申請?zhí)枴緾N201610044315
【發(fā)明人】劉宏偉, 王鵬輝, 費大勇, 杜蘭, 糾博, 陳渤
【申請人】西安電子科技大學
【公開日】2016年6月15日
【申請日】2016年1月22日