基于穩(wěn)健性時(shí)頻特征的地面目標(biāo)分類(lèi)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)分類(lèi)方法,可用于對(duì)地面車(chē)輛目標(biāo)和人體目 標(biāo)的識(shí)別。
【背景技術(shù)】
[0002] 在窄帶雷達(dá)體制下,對(duì)實(shí)際目標(biāo)分類(lèi)時(shí)需要訓(xùn)練數(shù)據(jù)訓(xùn)練分類(lèi)器,訓(xùn)練數(shù)據(jù)通常 通過(guò)合作試驗(yàn)或仿真實(shí)驗(yàn)獲得,信噪比較高,然而用于測(cè)試的數(shù)據(jù)在非合作環(huán)境條件下獲 得,無(wú)法保證有較高的信噪比。大多數(shù)現(xiàn)有雷達(dá)目標(biāo)分類(lèi)方法在信噪比較低的條件下無(wú)法 保證有效地實(shí)現(xiàn)目標(biāo)的分類(lèi)。另外,由于人體目標(biāo)和車(chē)輛目標(biāo)通常擔(dān)任不同的任務(wù),因此, 在低信噪比條件下有效地實(shí)現(xiàn)兩類(lèi)地面目標(biāo)的分類(lèi)具有重要意義。
[0003]目前,對(duì)于地面目標(biāo)分類(lèi)識(shí)別,國(guó)內(nèi)外文獻(xiàn)提出了多種窄帶雷達(dá)體制下基于微 動(dòng)調(diào)制特征的目標(biāo)分類(lèi)識(shí)別方法,例如杜蘭等發(fā)表的《Noise-Robust Classification of Ground Moving Targets Based on Time-Frequency Feature From Micro-Doppler signature》,根據(jù)兩類(lèi)地面運(yùn)動(dòng)目標(biāo)對(duì)雷達(dá)回波微動(dòng)調(diào)制的差異提取現(xiàn)有特征,實(shí)現(xiàn)了兩 類(lèi)地面目標(biāo)的分類(lèi)。該文章中提出了一種復(fù)概率主成分分析CPPCA的去噪方法,在現(xiàn)有特 征的基礎(chǔ)上實(shí)現(xiàn)了兩類(lèi)地面目標(biāo)的穩(wěn)健性分類(lèi)。這種方法雖然能在高信噪比條件下有效 實(shí)現(xiàn)兩類(lèi)地面目標(biāo)的分類(lèi),但在低信噪比條件下,為有效實(shí)現(xiàn)兩類(lèi)地面目標(biāo)的分類(lèi),則需要 預(yù)先利用CPPCA去噪方法對(duì)目標(biāo)雷達(dá)回波先進(jìn)行去噪處理,而CPPCA去噪方法由于涉及到 矩陣求逆運(yùn)算和特征值分解運(yùn)算,因此,增大了兩類(lèi)地面目標(biāo)分類(lèi)時(shí)的計(jì)算量,影響分類(lèi)速 度。
【發(fā)明內(nèi)容】
[0004] 本發(fā)明的目的在于針對(duì)上述已有技術(shù)的不足,提出一種基于穩(wěn)健性時(shí)頻特征的地 面目標(biāo)分類(lèi)方法,以在低信噪比且無(wú)需對(duì)窄帶雷達(dá)回波預(yù)先進(jìn)行去噪處理的條件下,快速 有效地實(shí)現(xiàn)車(chē)輛目標(biāo)和人體目標(biāo)的分類(lèi)。
[0005] 為實(shí)現(xiàn)上述發(fā)明目的,本發(fā)明的包括如下技術(shù)步驟:
[0006] A.訓(xùn)練步驟:
[0007] (Al)對(duì)低分辨雷達(dá)錄取的高信噪比慢時(shí)間信號(hào)進(jìn)行能量歸一化,獲得訓(xùn)練信號(hào);
[0008] (A2)對(duì)訓(xùn)練信號(hào)進(jìn)行短時(shí)傅里葉變換,獲得訓(xùn)練信號(hào)的時(shí)頻譜Y (t,f),其中,f為 t時(shí)刻對(duì)應(yīng)的瞬時(shí)頻率;
[0009] (A3)從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中提取3維時(shí)頻特征,該3維時(shí)頻特征包括:訓(xùn) 練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度W,訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制寬度范圍內(nèi) 的時(shí)頻熵C,訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率的方差V ;
[0010] (A4)利用3維時(shí)頻特征對(duì)支撐向量機(jī)分類(lèi)器的參數(shù)進(jìn)行訓(xùn)練,得到訓(xùn)練好的支撐 向量機(jī)分類(lèi)器;
[0011] B.測(cè)試步驟
[0012] (BI)對(duì)低分辨雷達(dá)錄取的低信噪比慢時(shí)間信號(hào)進(jìn)行能量歸一化,獲得測(cè)試信號(hào);
[0013] (B2)對(duì)測(cè)試信號(hào)進(jìn)行短時(shí)傅里葉變換,獲得測(cè)試信號(hào)的時(shí)頻譜P(t,f),其中,f為 t時(shí)刻對(duì)應(yīng)的瞬時(shí)頻率;
[0014] (B3)從測(cè)試信號(hào)的時(shí)頻譜P (t,f)中提取3維時(shí)頻特征,該3維時(shí)頻特征包括:測(cè) 試信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度R,測(cè)試信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制寬度范圍內(nèi) 的時(shí)頻熵U,測(cè)試信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率的方差D ;
[0015] (B4)把步驟(B3)獲得的3維時(shí)頻特征送入到訓(xùn)練好的支撐向量機(jī)分類(lèi)器中,完成 對(duì)低信噪比慢時(shí)間信號(hào)的分類(lèi)。
[0016] 本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)
[0017] 1、本發(fā)明通過(guò)提取訓(xùn)練數(shù)據(jù)時(shí)頻譜中3維時(shí)頻特征,提高了對(duì)車(chē)輛目標(biāo)和人體目 標(biāo)的可分性。
[0018] 由于車(chē)身對(duì)車(chē)輪的遮擋嚴(yán)重,而人體目標(biāo)四肢的運(yùn)動(dòng)半徑遠(yuǎn)大于軀干的運(yùn)動(dòng)半 徑,使得車(chē)輛目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度較窄,而人體目標(biāo)訓(xùn)練信號(hào)時(shí) 頻譜中目標(biāo)多普勒調(diào)制的寬度較寬,因此,人體目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的 寬度與車(chē)輛目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度有很大的差異性,特征差異性的 大小反映了特征對(duì)目標(biāo)可分性的好壞,所以本發(fā)明中提取的訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒 調(diào)制的寬度對(duì)車(chē)輛目標(biāo)和人體目標(biāo)具有很好的可分性;
[0019] 由于車(chē)輛目標(biāo)的結(jié)構(gòu)簡(jiǎn)單而人體目標(biāo)四肢的雷達(dá)截面積與軀干的雷達(dá)截面積近 似,使得車(chē)輛目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中能量散布較小而人體目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中能量散布 較大,根據(jù)熵的定義,可得人體目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制寬度范圍內(nèi)的時(shí)頻 熵與車(chē)輛目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制寬度范圍內(nèi)的時(shí)頻熵有很大的差異性,因 此,本發(fā)明中提取的訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度范圍內(nèi)的時(shí)頻熵對(duì)車(chē)輛目標(biāo) 和人體目標(biāo)具有很好的可分性;
[0020] 由于人體目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率波動(dòng)性遠(yuǎn)大于車(chē) 輛目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率波動(dòng)性,根據(jù)方差的定義,可得人 體目標(biāo)訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率的方差遠(yuǎn)與車(chē)輛目標(biāo)訓(xùn)練信號(hào)時(shí) 頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率的方差有很大的差異性,因此,本發(fā)明中提取的訓(xùn)練 信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻率的方差對(duì)車(chē)輛目標(biāo)和人體目標(biāo)具有很好的可 分性。
[0021] 2、本發(fā)明由于提取了測(cè)試數(shù)據(jù)時(shí)頻譜中3維時(shí)頻特征,對(duì)車(chē)輛目標(biāo)和人體目標(biāo)分 類(lèi)具有穩(wěn)健性:
[0022] 本發(fā)明從測(cè)試信號(hào)時(shí)頻譜中提取的3維時(shí)頻特征利用到測(cè)試信號(hào)的信噪比,使得 從測(cè)試信號(hào)時(shí)頻譜中提取的3維時(shí)頻特征隨信噪比的減小變化較小,對(duì)車(chē)輛目標(biāo)和人體目 標(biāo)分類(lèi)具有穩(wěn)健性。
[0023] 3、本發(fā)明由于未涉及到復(fù)雜的矩陣求逆運(yùn)算和特征值分解運(yùn)算,對(duì)車(chē)輛目標(biāo)和人 體目標(biāo)分類(lèi)時(shí)所耗費(fèi)的時(shí)間很小,分類(lèi)速度快。
【附圖說(shuō)明】
[0024] 圖1是本發(fā)明的實(shí)現(xiàn)流程圖;
[0025] 圖2是用本發(fā)明和現(xiàn)有兩種方法對(duì)人體目標(biāo)和車(chē)輛目標(biāo)的分類(lèi)正確率對(duì)比圖;
【具體實(shí)施方式】
[0026] 以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例做進(jìn)一步詳細(xì)描述。
[0027] 參照?qǐng)D1,本發(fā)明的具體實(shí)現(xiàn)步驟如下:
[0028] 步驟1,獲得訓(xùn)練信號(hào)。
[0029] 在合作環(huán)境實(shí)驗(yàn)條件下,利用低分辨雷達(dá)對(duì)人體目標(biāo)和車(chē)輛目標(biāo)的雷達(dá)回波進(jìn)行 采集,得到人體目標(biāo)和車(chē)輛目標(biāo)的高信噪比慢時(shí)間信號(hào)s,對(duì)高信噪比慢時(shí)間信號(hào)能量進(jìn)行 歸一化,得到訓(xùn)練信號(hào)
,其中,< · >表示內(nèi)積運(yùn)算。
[0030] 步驟2,獲得訓(xùn)練信號(hào)的時(shí)頻譜。
[0031] 利用時(shí)頻變換工具箱對(duì)訓(xùn)練信號(hào)I進(jìn)行短時(shí)傅里葉變換,獲得訓(xùn)練信號(hào)的時(shí)頻譜 ¥(七,〇,其中3=1,2,一,1~為訓(xùn)練信號(hào)的長(zhǎng)度3=1,2,一,1,1為短時(shí)傅里葉變換中 傅里葉變換的長(zhǎng)度;
[0032] 步驟3,從訓(xùn)練信號(hào)的時(shí)頻譜Y (t,f)中提取3維時(shí)頻特征。
[0033] 該3維時(shí)頻特征包括:訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度W,訓(xùn)練信號(hào)時(shí)頻 譜中目標(biāo)多普勒調(diào)制寬度范圍內(nèi)的時(shí)頻熵C,訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的 頻率的方差V。
[0034] (3a)從訓(xùn)練信號(hào)的時(shí)頻譜Y (t,f)中,求訓(xùn)練信號(hào)時(shí)頻譜Y (t,f)的頻率熵E (f):
[0036] 其中,*表示乘法運(yùn)算,(·)*logl0(( ·))表示求熵運(yùn)算;
[0037] (3b)從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中,求訓(xùn)練信號(hào)時(shí)頻熵的均值1;
[0039] (3c)利用步驟(3a)和(3b),對(duì)訓(xùn)練信號(hào)時(shí)頻譜Y(t,f)的頻率熵E(f)的頻率f 進(jìn)行搜索,獲得?(/#妄時(shí)的頻率f的集合Fl ;
[0040] (3d)利用步驟(3c)的結(jié)果,得到訓(xùn)練信號(hào)時(shí)頻譜中目標(biāo)多普勒調(diào)制的寬度:
[0041 ] W = max (Fl)-min (Fl),
[0042] 其中,max和min分別為取最大值運(yùn)算和取最小值運(yùn)算;
[0043] (3e)利用步驟(3d)的結(jié)果,從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中,求得訓(xùn)練信號(hào)時(shí)頻譜 中目標(biāo)多普勒調(diào)制寬度范圍內(nèi)的時(shí)頻熵:
[0045] (3f)從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中,求t時(shí)刻訓(xùn)練信號(hào)時(shí)頻譜Y(t,f)中最大幅 度對(duì)應(yīng)的頻率G (t):
[0047] 其中,arg表示參數(shù)運(yùn)算;
[0048] (3g)利用步驟(3f)的結(jié)果,得到訓(xùn)練信號(hào)時(shí)頻譜中每一時(shí)刻最大幅度對(duì)應(yīng)的頻 率的方差:
為所有時(shí)刻訓(xùn)練信號(hào)時(shí)頻譜Y(t,f)中最大幅度對(duì)應(yīng)的頻率 的均值。
[0051] 步驟4,利用從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中提取的3維時(shí)頻特征對(duì)支撐向量機(jī)分 類(lèi)器的參數(shù)進(jìn)行訓(xùn)練,得到訓(xùn)練好的支撐向量機(jī)分類(lèi)器。
[0052] 把從訓(xùn)練信號(hào)的時(shí)頻譜Y(t,f)中提取的3維時(shí)頻特征及訓(xùn)練數(shù)據(jù)的樣本標(biāo)號(hào)送 入帶有高斯核的支撐向量機(jī)SVM分類(lèi)器中,對(duì)帶有高斯核的支撐向量機(jī)支持向量機(jī)SVM分 類(lèi)器的參數(shù)進(jìn)行訓(xùn)練,得到訓(xùn)練好的作為支撐向量的特征向量和相應(yīng)的權(quán)系數(shù),其中,帶有 高斯核的支持向量機(jī)SVM分類(lèi)器的核參數(shù)利用交叉驗(yàn)證的方法或者最優(yōu)雷達(dá)參數(shù)條件下