专利名称：基于经验模态分解的运动车辆目标分类方法
技术领域：
本发明属于雷达技术领域，涉及目标分类方法，可用于对具有机动部件的运动车辆目标进行分类。
背景技术：
在雷达目标分类和识别领域中，运动车辆目标所处环境较空中目标复杂，其雷达回波中含有大量地物杂波，从目标的时域信号中难以得到有利于目标分类和识别的准确信息，由于地物大多是静止的，当目标运动起来以后，基于多普勒效应，在多普勒域中目标会在偏离零频率的位置出现，利用这样的特点，可以实现运动目标和静止地物杂波的分离。同时，目标的多普勒谱提供了目标自身的运动信息，利用这些信息可以实现对目标的分类和识别。物体运动时，除了自身的平动，物体的某些部件通常还会有相对于物体的运动，这样的现象在自然界中普遍存在，如人行走时四肢的摆动，昆虫飞行时翅膀的振动，直升机飞行时螺旋桨的转动等，这种运动称为微运动。美国海军实验室的V. C. CHEN等人分析了这种运动，将微运动产生的雷达回波中的多普勒调制现象命名为微多普勒效应。微多普勒概念提出后，对不同微动形式产生的微多普勒现象的研究，深化了人们对机动部件多普勒谱调制现象的认识，使得从目标回波的多普勒信息中提取有利于分类和识别的特征有了新的途径。经过对微多普勒现象的研究，使得在运动车辆目标分类领域，有可能取代传统的人工操作模式，实现雷达的自动目标分类。在雷达目标运动时，物体的平动速度在物体运动中往往占主要成分，在多普勒谱中体现为目标的平动多普勒成分较微动多普勒成分强，而目标分类和识别往往依赖于目标的微动信息，因此需要对平动成分进行抑制。同时，对于车辆目标，如履带车的上履带，其运动速度总是平动速度的2倍，多普勒谱中表现为上履带产生的多普勒频率成分总是出现在主峰成分相对于零频率的两倍处。由于存在这样的物理关系，当平动速度变化时，目标多普勒谱的变化不仅体现在主峰位置的平移，同时也体现在目标微动多普勒谱的展宽，这些由目标平动速度的改变所带来的目标多普勒谱的变化，对后续的分类和识别工作是不利的。在地面运动目标分类领域，目前已有的目标分类方法通常将目标的多普勒谱作为特征，利用多普勒谱的波形熵等方法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熵值进行分类。由于实际中，目标相对于雷达的运动不会是理想的勻速直线运动， 如前文所述，目标平动速度发生变化时，目标的多普勒谱也会有相应改变；另外，在对地面运动目标进行分类时，有用的信息是目标机动部件产生的微多普勒成分，而由地面反射的杂波通常需要抑制，因此需要加入杂波抑制预处理过程。在不经过一定的预处理消除这些因素的影响就直接计算目标多普勒谱的熵值的情况下，即使是同一目标，熵值也会有较大的差异，这样得到的分类结果并不理想。
发明内容
本发明的目的在于克服上述已有技术的不足，提出一种基于经验模态分解的运动车辆目标分类方法，以消除目标平动速度变化对目标多普勒谱宽度的影响，自动进行杂波抑制以及利用履带车特有的结构信息进行运动车辆目标分类。实现本发明目的的技术方案，包括如下步骤1)对目标的多普勒回波信号S= {Sl,s2,...,sN}进行经验模态分解，得到一个余项ιγ和L个本征模函数ma，其中Si为多普勒回波信号s第i点的值，i = 1，2，...，N，N为脉冲积累数，a = 1，2，. . .，L，L为本征模函数个数；2)舍弃余项ιγ完成杂波抑制功能；3)定义第一本征模函数多普勒谱=M1 = IfftQii1] I和剩余本征模函数多普勒谱 Mr = fft[tmj，
权利要求
1.一种基于经验模态分解的运动车辆目标分类方法，包括如下步骤1)对目标的多普勒回波信号S= {S1,S2,...,SN}进行经验模态分解，得到一个余项ιγ 和L个本征模函数ma，其中Si为多普勒回波信号s第i点的值，i = 1，2，. . .，N，N为脉冲积累数，a = 1，2，...，L，L为本征模函数个数；2)舍弃余项ιγ完成杂波抑制功能；3)定义第一本征模函数多普勒谱=M1 = ffttmj和剩余本征模函数多普勒谱
2.根据权利要求1所述的运动车辆目标分类方法，其中步骤1)所述的对目标的多普勒回波信号s = Is1, &，. . .，sN}进行经验模态分解，具体步骤如下la)定义临时信号χ = s ；lb)对临时信号χ进行逐点搜索，记录下临时信号χ的所有极值点； Ic)对于临时信号χ的极小值点和极大值点进行插值，得到临时信号χ的下包络emin和上包络 max ；Id)计算临时信号χ的包络均值^ = _ 2 max ；Ie)从临时信号χ中减去包络均值，得到新的信号SnM = x-eav，并更新临时信号χ = 重复步骤2b)至加)，直到新的信号Snew成为本征模函数，得到第一个本征模函数Hi1 = Snew和剩余信号T1 = S-Hl1,并对剩余信号Γι迭代进行经验模态分解，得到余项IY和L个本征模函数 ma，a = 1，2，. . .，L。
3.根据权利要求1所述的运动车辆目标分类方法，其中步骤6)所述的根据分类器的输出判定车辆类别，按如下步骤6a)使用从训练样本集中提取的六种特征训练分类器，该分类器包括线性判决分析， 支持向量机，相关向量机和k近邻分类器；6b)将从测试样本提取的六种特征输入到训练好的分类器中，得到分类器输出； 6c)根据分类器输出的类别标号，得到车辆目标的分类结果。
全文摘要
本发明公开了一种基于经验模态分解的运动车辆目标分类方法，主要解决现有同类方法对目标平动速度变化敏感，需要额外的杂波抑制，且不能利用目标特殊结构信息的问题。其实现过程是对多普勒回波信号进行经验模态分解；通过舍弃余项完成杂波抑制；利用分解结果定义第一本征模函数多普勒谱和剩余本征模函数多普勒谱；根据定义的谱判断是否存在2倍平动微多普勒成分，初步判别履带式车辆；若未能判别，则对本征模函数以及定义的谱提取特征；对提取的特征使用分类器进行分类。本发明可消除目标平动速度变化对目标多普勒谱位置和谱宽度的影响，自动进行杂波抑制，利用履带特殊结构信息，可用于对具有机动部件的运动车辆目标进行分类。
文档编号G06K9/66GK102184382SQ20111008925
公开日2011年9月14日 申请日期2011年4月11日 优先权日2011年4月11日
发明者刘宏伟, 李彦兵 申请人:西安电子科技大学