一种运动车辆目标分类方法及系统的制作方法
【技术领域】
[0001] 本发明涉及一种运动车辆目标分类方法及系统，属于雷达技术领域。
【背景技术】
[0002] 对于地面车辆目标而言，由于在现代战场环境中不同作战任务与不同环境需求， 轮式车辆与履带式车辆所承担的作战任务不同，也决定了其威胁程度不同，因此对战场环 境中的各种车辆进行分类具有重要军事意义。在低分辨雷达系统中，目标车辆仅占据一个 或者少数几个距离单元，而且受地杂波影响很难获取支撑目标分类的信息。考虑运动目标 在多普勒谱中目标多普勒与地杂波成分分离，并且多普勒谱中包含目标运动信息，所以运 动目标的多普勒谱为目标分类提供可能。
[0003] 目标或目标组成部分的振动或转动会对雷达回波的频谱产生调制，在目标多普勒 频率上产生边带，美国海军实验室的VictorC.Chen教授将这种现象称为微多普勒效应，这 些边带频率称为微多普勒频率。轮式车多普勒谱由车身分量与车轮转动调制的微多普勒 分量构成，由于轮式车轮胎材质为橡胶，所以轮式车车轮调制的微多普勒分量较弱，使得轮 式车多普勒谱主要由车身分量构成。履带车多普勒谱由车身分量、履带转动与平动调制的 微多普勒分量构成，考虑履带材质为金属，其后向散射强于轮式车车轮后向散射能力，除了 微多普勒强度上的差异，履带调制的微多普勒构成也与轮式车不同，履带的微多普勒包含 两部分：履带转动调制的微多普勒分量与上履带平动引起的两倍于车身分量的微多普勒分 量。轮式车辆与履带式车辆多普勒谱上的差异为地面运动车辆目标的分类提供可能性。
[0004] 已有的地面运动目标分类方法利用目标的多普勒谱的波形熵等特征来描述目标 多普勒谱的起伏特性，根据提取的目标多普勒谱的特征进行分类。由于实际中，目标相对于 雷达的径向速度是变化的，径向速度的变化不仅使目标多普勒谱主峰位置变化，也使目标 多普勒谱宽度发生变化，所以目标多普勒谱对目标相对雷达的径向速度的敏感性不利于后 续的分类和识别；另外，现有分类方法从目标多普勒谱中提取某些特征，如多普勒谱熵、车 身分量占多普勒谱能量比等，然后利用较为复杂的分类器（如支持向量机分类器）对目标 进行分类。这类方法所提取特征受噪声或杂波影响较大，当信杂比或信噪比较低时无法获 得较好的分类性能。除此以外这类方法所采用的分类器工程实现复杂无法满足工程实际应 用要求，严重限制此类算法的工程应用。
【发明内容】
[0005] 本发明所要解决的技术问题是，针对现有技术中同类方法对目标平动速度变化敏 感，不能有效利用目标特殊结构信息，受信噪比约束较大，并且所用分类器计算复杂度较高 难以满足工程应用的实时性要求的问题提供一种运动车辆目标分类方法及系统，以消除目 标平动速度变化对目标多普勒谱宽度的影响，更具有工程可实现性，利用轮式车与履带车 结构差异进行运动车辆目标分类，获得稳定的抗噪声分类性能。
[0006] 本发明解决上述技术问题的技术方案如下：一种运动车辆目标分类方法，具体包 括以下步骤：
[0007] 步骤1 :采集获取目标车辆的原始多普勒谱，并对原始多普勒谱进行杂波抑制，获 得杂波抑制后的目标多普勒谱；
[0008] 步骤2 :对目标多普勒谱进行速度归一化，得到归一多普勒谱；
[0009] 步骤3 :根据归一多普勒谱分别计算归一多普勒谱与轮式车目标多普勒谱模板之 间的距离，获得轮式距离；和归一多普勒谱与履带车目标多普勒谱模板之间的距离，获得履 带距离；
[0010] 步骤4 :对轮式距离与履带距离进行比较，根据比较结果判定目标车辆为轮式车 或履带车。
[0011] 本发明的有益效果是：消除了目标平动速度变化对目标多普勒谱峰值位置和多普 勒谱宽的影响，利用轮式车与履带车结构差异，通过多普勒谱的匹配对具有机动部件的运 动车辆目标进行分类。
[0012] 在上述技术方案的基础上，本发明还可以做如下改进。
[0013] 进一步，所述步骤1中利用CLEAN算法对目标原始多普勒谱进行杂波抑制。
[0014] 进一步，所述步骤2中利用插值、抽取对杂波抑制后的目标多普勒谱进行速度归 一化。
[0015] 进一步，所述步骤3中将归一多普勒谱作为最近邻分类器的输入，通过最近邻分 类器计算归一多普勒谱与轮式车目标多普勒谱模板之间的距离和归一多普勒谱与履带车 目标多普勒谱模板之间的距离，获得轮式距离d。和履带距离dt;采用以下公式（1)和公式 (2)计算轮式距离d。和履带距离dt;
[0016] dc=min(abs(s^) ·abs(Sc)),Sc=[scl,sc2,sc3, ...,scN]公式（1)
[0017]dt=min(abs(s^) ·abs(St)),St=[stl,st2,st3, ...,stM]公式（2)
[0018] 其中，Sl表示归一多普勒谱，s/表示对Sl转置操作，abs()表示取模操作，min() 表示最小化；为轮式车多普勒谱模板中第i个多普勒谱样本，i= 1，2,3,……N，N为 轮式车多普勒谱模板中样本数；st]为履带车多普勒谱模板中第j个多普勒谱样本，j= 1,2, 3,……M，Μ为履带车多普勒谱模板中样本数。
[0019] 进一步，所述步骤4中的对轮式距离与履带距离进行比较，判断所述轮式距离是 否大于履带距离，如果是，则目标车辆为履带车；否则，目标车辆为轮式车。
[0020] 进一步，所述利用CLEAN算法对目标原始多普勒谱进行杂波抑制具体包括以下步 骤：
[0021] 步骤1. 1 :初始化，目标原始多普勒谱为X。，置迭代次数k= 1，设置最大迭代次数 K，一般K= 1~4 ;考虑雷达静止，可设定杂波宽度为三个多普勒分辨单元；
[0022] 步骤1. 2 :在杂波范围内搜索最大值，记录最大值幅度A、相位Θ以及最大值对应 的多普勒频率fclutter?
[0023] 步骤1. 3 :根据最大幅度A、相位Θ以及多普勒频率4_重构该次谐波的时域信 ^ ^clutter*
[0024] sclutter= (A/L)exp(j2Jrfcluttert+jΘ)公式（3)
[0025] 其中t为时间变量，L为积累脉冲数，expO表示自然指数函数，j表示虚数单位；
[0026] 步骤1. 4 :从原信号中减去上述谐波分量，得到新的多普勒谱xk;
[0027]xk=xkfFFTGdutter)公式（4)
[0028] 其中FFT()表示傅里叶变换运算；
[0029] 步骤1. 5:判断k是否大于K，如果是，停止，并对杂波抑制后的目标多普勒谱s。赋 值，使sQ=xk;否贝lj，k=k+1,返回执行步骤1. 2。
[0030] 进一步，所述利用插值、抽取对杂波抑制后的目标多普勒谱进行速度归一化具体 包括以下步骤：
[0031] 步骤2. 1 :预设归一化基准频率fb;
[0032]步骤2. 2:获得目标多普勒谱s。中最大值对应的多普勒频率fd，fd为目标车辆的 车身分量对应的多普勒频率；
[0033] 步骤2. 3:计算车身多普勒频率与基准频率的比值ε=fd/fb;根据比值ε对目 标多普勒谱进行插值或抽取得到归一多普勒谱Sl，使得速度归一化后的归一多普勒谱中车 身分量对应的多普勒频率归一至基准频率fb，且多普勒谱宽归一至2fb。
[0034] 本发明解决上述技术问题的技术方案如下：一种运动车辆目标分类系统，包括杂 波抑制模块、归一化模块、计算模块和比较判定模块；
[0035] 所述杂波抑制模块用于采集获取目标车辆的原始多普勒谱，并对原始多普勒谱进 行杂波抑制，获得杂波抑制后的目标多普勒谱；
[0036] 所述归一化模块用于对目标多普勒谱进行速度归一化，得到归一多普勒谱；
[0037] 所述计算模块用于根据归一多普勒谱分别计算归一多普勒谱与轮式车目标多普 勒谱模板之间的距离，获得轮式距离；和归一多普勒谱与履带车目标多普勒谱模板之间的 距离，获得履带距离；
[0038] 所述比较判定模块用于对轮式距离与履带距离进行比较，根据比较结果判定目标 车辆为轮式车或履带车。
[0039] 本发明的有益效果是：消除了目标平动速度变化对目标多普勒谱峰值位置和多普 勒谱宽的影响，利用轮式车与履带车结构差异，通过多普勒谱的匹配对具有机动部件的运 动车辆目标进行分类。
[0040] 在上述技术方案的基础上，本发明还可以做如下改进。
[0041] 进一步，所述杂波抑制模块中利用CLEAN算法对目标原始多普勒谱进行杂波抑 制。
[0042] 进一步，所述归一化模块中利用插值、抽取对杂波抑制后的目标多普勒谱进行速 度归一化。
【附图说明】
[0043] 图1为本发明所述的一种运动车辆目标分类方法流程图；
[0044] 图2为本发明所述的一种运动车辆目标分类系统结构框图；
[0045] 图3为轮式车原始实测多普勒谱图；
[0046] 图4为履带车原始实测多普勒谱图；
[0047] 图5为轮式车杂波抑制、速度归一化后的多普勒谱图；
[0048] 图6为履带车杂波抑制、速度归一化后的多普勒谱图；
[0049] 图7为不同信噪比下本发明分类结果示意图。
[0050] 附图中，各标号所代表的部件列表如下：
[0051] 1、杂波抑制模块，2、归一化模块，3、计算模块，4、比较判定模块。
【具体实施方式】
[0052] 以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并 非用于限定本发明的范围。
[0053] 如图1所示，为本发明所述的一种运动车辆目标分类方法，具体包括以下步骤：
[0054] 步骤1 :采集获取目标车辆的原始多普勒谱，并对原始多普勒谱进行杂波抑制，获 得杂波抑制后的目标多普勒谱；
[0055] 步骤2 :对目标多普勒谱进行速度归一化，得到归一多普勒谱；
[0056] 步骤3 :根据归一多普勒谱分别计算归一多普勒谱与轮式车目标多普勒谱模板之 间的距离，获得轮式距离；和归一多普勒谱与履带车目标多普勒谱模板之间的距离，获得履 带距离；
[0057] 步骤4:对轮式距离与履带距离进行比较，根据比较结果判定目标车辆为轮式车 或履带车。
[0058] 所述步骤1中利用CLEAN算法对目标原始多普勒谱进行杂波抑制。
[0059] 所述步骤2中利用插值、抽取对杂波抑制后的目标多普勒谱进行速度归一化。
[0060] 所述步骤3中将归一多普勒谱作为最近邻分类器的输入，通过最近邻分类器计算 归一多普勒谱与轮式车目标多普勒谱模板之间的距离和归一多普勒谱与履带车目标多普 勒谱模板之间的距离，获得轮式距离d。和履带距离dt;采用以下公式（1)和公式（2)计算 轮式距离d。和履带距离dt;
[0061] dc=min(abs(s^) ·abs(Sc)),Sc=[scl,sc2,sc3, ...,scN]公式（1)
[0062] dt=min(abs(s^) ·abs(St)),St=[stl,st2,st3, ...,stM]公式（