基于局部均值分解的目標(biāo)識別特征提取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)技術(shù)領(lǐng)域，涉及目標(biāo)識別特征提取方法，可用于對飛機(jī)、車輛等目 標(biāo)進(jìn)行識別。
【背景技術(shù)】
[0002] 運(yùn)動目標(biāo)的主體會對雷達(dá)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(yùn)動目標(biāo)上還往往存在一些相對于主體運(yùn)動的微動部件， 如飛機(jī)旋翼、渦扇發(fā)動機(jī)葉片、車輪等，這些微動部件也會對雷達(dá)回波產(chǎn)生多普勒調(diào)制。為 了與目標(biāo)主體的多普勒調(diào)制進(jìn)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(biāo)微動部件的運(yùn)動形式不同，因此在雷達(dá)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(biāo)進(jìn)行識別成為了目標(biāo)識別領(lǐng)域的熱點(diǎn)。
[0003]目標(biāo)的雷達(dá)回波頻譜中包含了豐富的微多普勒調(diào)制分量，當(dāng)前主流的目標(biāo)識別方 法是直接從目標(biāo)的雷達(dá)回波中計算波形熵等能描述目標(biāo)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(xué)雷達(dá)信號處理國家重點(diǎn)實(shí)驗(yàn)室提出的在飛機(jī)類目標(biāo)及空間 錐體類目標(biāo)的識別中，提取頻域波形熵、頻域二階中心距等目標(biāo)識別特征。
[0004] 實(shí)際中，目標(biāo)的雷達(dá)回波信號中也包含了目標(biāo)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(biāo)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(biāo) 識別特征提取方法，以降低目標(biāo)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(shí)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(biāo)的時域回波信號S={Sl，s2, . . .，sk，. . .，sN}進(jìn)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(diǎn)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(yùn)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(biāo)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(yùn)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(yùn)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(yùn)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(jìn)行局部均值分解得到的結(jié)果的頻譜示意圖。
【具體實(shí)施方式】
[0017] 參照圖1，本發(fā)明的實(shí)現(xiàn)步驟如下：
[0018] 步驟1，對輸入的時域回波信號進(jìn)行局部均值分解。
[0019] 雷達(dá)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(diǎn)的值，k=l，2, . . .，N，N為脈沖數(shù)，
[0020] 對時域回波信號S進(jìn)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(diǎn)m，i = l，2，. . .，W，W為信號S的局部極值點(diǎn) 個數(shù)，計算相鄰兩個局部極值點(diǎn)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(jìn)行平滑處理，得到局部均值 函數(shù)mil;
[0022] lb)使用局部極值點(diǎn)ru計算包絡(luò)估計值：
^將所有相鄰兩個包絡(luò)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(jìn)行平滑處理，得到包絡(luò)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(fù)以 上1 a)至1 c)迭代過程，當(dāng)?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(luò)估計函數(shù)相乘得到包絡(luò)信號抑，即：
[0026]
[0027] If)將包絡(luò)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(fù)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(yùn)算。
[0037] 步驟3,特征提取。
[0038]在目標(biāo)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(shí)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(yùn)算，energy[ ·]代表取能量運(yùn) 算，max[ ·]代表取最大值運(yùn)算。
[0051 ]本發(fā)明的效果通過以下對仿真數(shù)據(jù)的實(shí)驗(yàn)進(jìn)一步說明：
[0052] 1.實(shí)驗(yàn)條件
[0053] 選取雷達(dá)載頻為3GHz，即L波段、駐留時間為20ms、重復(fù)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(jī)的雷達(dá)時域回波，具體型號參數(shù)如表1所示。
[0054] 表1各類型飛機(jī)參數(shù)
[0055]

[0056] 2 ·實(shí)驗(yàn)內(nèi)容
[0057] 實(shí)驗(yàn)1，對模擬產(chǎn)生的時域回波信號進(jìn)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(jī)回波信號的分解結(jié)果，圖2(b)表示螺旋槳 式飛機(jī)回波信號的分解結(jié)果，圖2(c)表示直升機(jī)回波信號的分解結(jié)果。
[0058]圖2表明通過對三類飛機(jī)的回波信號進(jìn)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(jī)由于其飛行速度遠(yuǎn)快于直升機(jī)與螺旋槳式飛機(jī)， 在對應(yīng)的雷達(dá)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(yīng)Fi，微動分量則在 F沖。
[0060] 從圖2(c)可以看出，直升機(jī)與噴氣式飛機(jī)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(yīng)FnFi*獲得的是微動分量。
[0061] 從圖2(b)可以看出，螺旋槳飛機(jī)的各種飛行特性均位于另外兩種飛機(jī)之間，因此 其局部均值分解結(jié)果也近似于另外兩種飛機(jī)分解結(jié)果的折中。
[0062] 實(shí)驗(yàn)2,將直接從目標(biāo)回波的頻譜中提取的特征進(jìn)行識別的結(jié)果與本發(fā)明的識別 結(jié)果進(jìn)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(xiàng)】
1. 一種基于局部均值分解的目標(biāo)識別特征提取方法，包括如下步驟： 1)對目標(biāo)的時域回波信號S={S1，S2,...，sk，...， SN}進(jìn)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(diǎn)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(yùn)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(biāo)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(yùn)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(yùn)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(yùn)算。2. 根據(jù)權(quán)利要求1所述的目標(biāo)識別特征提取方法，其中步驟1)所述的對目標(biāo)的時域回 波信號S={si，S2, . . .，Sk, . . .，sn}進(jìn)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(diǎn)m，i = l，2, . . .，W，W為信號S的局部極值點(diǎn)個數(shù)， 計算相鄰兩個局部極值點(diǎn)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(jìn)行平滑處理，得到局部均值函數(shù) mu； lb) 使用局部極值點(diǎn)m計算包絡(luò)估計值：將所有相鄰兩個包絡(luò)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(jìn)行平滑處理，得到包絡(luò)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(fù)以上la) 至lc)迭代過程，當(dāng)?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(luò)估計函數(shù)相乘得到包絡(luò)信號抑，即：lf) 將包絡(luò)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(fù) 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(biāo)識別特征提取方法，主要解決現(xiàn)有目標(biāo)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(dá)時域回波信號進(jìn)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(diǎn)，可用于對雷達(dá)目標(biāo)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(fèi)大勇, 杜蘭, 糾博, 陳渤
【申請人】西安電子科技大學(xué)
【公開日】2016年6月15日
【申請日】2016年1月22日