基于局部均值分解的目标识别特征提取方法
【技术领域】
[0001] 本发明属于雷达技术领域，涉及目标识别特征提取方法，可用于对飞机、车辆等目 标进行识别。
【背景技术】
[0002] 运动目标的主体会对雷达回波产生幅度、相位和频率等方面的调制。人们将这种 调制现象称为多普勒调制。通常，运动目标上还往往存在一些相对于主体运动的微动部件， 如飞机旋翼、涡扇发动机叶片、车轮等，这些微动部件也会对雷达回波产生多普勒调制。为 了与目标主体的多普勒调制进行区分，人们将微动部件的多普勒调制称为微多普勒调制。 不同目标微动部件的运动形式不同，因此在雷达回波中产生的微多普勒调制也存在差异， 利用微多普勒调制差异对目标进行识别成为了目标识别领域的热点。
[0003]目标的雷达回波频谱中包含了丰富的微多普勒调制分量，当前主流的目标识别方 法是直接从目标的雷达回波中计算波形熵等能描述目标微多普勒调制特性的数值作为识 别特征。例如西安电子科技大学雷达信号处理国家重点实验室提出的在飞机类目标及空间 锥体类目标的识别中，提取频域波形熵、频域二阶中心距等目标识别特征。
[0004] 实际中，目标的雷达回波信号中也包含了目标本体的多普勒调制分量。该分量会 对提取的识别特征产生较大扰动，降低不同目标识别特征的可分性。
【发明内容】
[0005] 本发明的目的在于针对上述已有技术的不足，提出一种基于局部均值分解的目标 识别特征提取方法，以降低目标本体产生的多普勒调制对特征提取的影响，提高识别性能。
[0006] 为实现上述发明目的，本发明的技术方案包括如下：
[0007] 1)对目标的时域回波信号S={Sl，s2, . . .，sk，. . .，sN}进行局部均值分解，得到余 量信号的和信号u以及L个单分量信号fa，其中％为时域回波信号S第k点的值，k=l，2，...， 1~为脉冲数，€( = 1，2，...丄儿为单分量信号的个数；
[0008] 2)定义第一单分量信号频谱：F1= IffUfd |以及剩余单分量信号频谱：
其中fl为第一单分量信号，fft[ ·]代表快速傅立叶变换，| · |代表取模 运算；
[0009] 3)根据L个单分量信号fa，以及定义的第一单分量信号频谱内、剩余单分量信号频 谱F r，提取如下四种目标识别特征：
[00?0]第一单分量信号熵值:tl=entropy[fi]，式中entropy[ ·]代表取熵值运算；
[00?1 ]第一单分量信号频谱熵值:t2 = entropy [Fi];
[0012] 第一单分量信号频谱与剩余单分量信号频谱的能量比：
[0013] t3 = energy[Fr]/energy[Fi]，式中energy[ ·]代表取能量运算；
[0014] 第一单分量信号频谱与剩余单分量信号频谱的峰值比：tAzma^FrVma^Fi]，式 中max[ ·]代表取最大值运算。
【附图说明】
[0015] 图1是本发明的流程图；
[0016] 图2是用本发明对时域回波信号进行局部均值分解得到的结果的频谱示意图。
【具体实施方式】
[0017] 参照图1，本发明的实现步骤如下：
[0018] 步骤1，对输入的时域回波信号进行局部均值分解。
[0019] 雷达接收到的时域回波信号为:S={S1，s2, . . .，sk，. . .，sN}，其中Sk为时域回波信 号S第k点的值，k=l，2, . . .，N，N为脉冲数，
[0020] 对时域回波信号S进行局部均值分解，可采用现有的由Jonathan S. Smith提出的 局部均值分解算法，其步骤如下：
[0021] la)确定回波信号S所有的局部极值点m，i = l，2，. . .，W，W为信号S的局部极值点 个数，计算相邻两个局部极值点m和111+1的平均值πη，即
；将所有相邻的两个均 值nu用直线连接，并对连接后得到的曲线使用滑动平均算法进行平滑处理，得到局部均值 函数mil;
[0022] lb)使用局部极值点ru计算包络估计值：
^将所有相邻两个包络估计 值&1用直线连接，将连接后得到的曲线使用滑动平均算法进行平滑处理，得到包络估计函 数an;
[0023] lc)将局部均值函数mn从S中分离，得到差值信号:huzS-mn;
[0024] Id)对差值信号hn解调，得到解调信号:S11 = hn/an，并将sn作为原始数据重复以 上1 a)至1 c)迭代过程，当迭代j次后满足aij = 1时，迭代终止；
[0025] le)将迭代过程中产生的所有包络估计函数相乘得到包络信号抑，即：
[0026]
[0027] If)将包络信号gl和纯调频信号叫相乘得到S的第一单分量信号fi，即：
[0028] fi = gi X sij ；
[0029] lg)将第一单分量信号从S中分尚，得到分尚后的信号ui，即：ui = S_fi，将分尚后的 信号重复上述la)至If)操作，最终将信号S分解为余量信号的和信号u以及L个单分量信号 fa，a = 1，2，· · ·，L，即：
[0030]
〇
[0031] 步骤2,定义第一单分量信号频谱FjP剩余单分量信号频谱Fr。
[0032] 2a)根据第一单分量信号定义第一单分量信号频谱^为：
[0033] Fi= |fft[fi] I ；
[0034] 2b)根据L个单分量信号fa定义剩余单分量信号频谱Fr为：
[0035]
[0036]其中，fft[ ·]代表快速傅立叶变换，| · |代表取模运算。
[0037] 步骤3,特征提取。
[0038]在目标识别领域可提取多种特征作为识别特征，其包括直接在原始时域信号S中 提取的特征和在原始时域信号S的频谱中提取的特征。
[0039]直接在原始时域信号S中提取的特征，包括:幅度归一方差、幅度二阶中心距、幅度 方差等特征；
[0040] 在原始时域信号S的频谱中提取的特征，包括:幅值比、主副瓣比、主瓣宽度、去主 峰峰值比等特征。
[0041] 本实例是在分解后的信号及定义的频谱中提取以下四种特征：
[0042]第一种特征是第一单分量信号熵值：
[0043] tl =entropy[fi]；
[0044] 第二种特征是第一单分量信号频谱熵值：
[0045] t2 = entropy[Fi]；
[0046] 第三种特征是第一单分量信号频谱与剩余单分量信号频谱的能量比：
[0047] t3 = energy[Fr]/energy[Fi]；
[0048] 第四种特征是第一单分量信号频谱与剩余单分量信号频谱峰值比：
[0049] t4=max[Fr]/max[Fi]；
[0050] 上述特征提取过程中：entropy[ ·]代表取熵值运算，energy[ ·]代表取能量运 算，max[ ·]代表取最大值运算。
[0051 ]本发明的效果通过以下对仿真数据的实验进一步说明：
[0052] 1.实验条件
[0053] 选取雷达载频为3GHz，即L波段、驻留时间为20ms、重复频率为5KHz，仿真时加入 15dB的高斯白噪声;模拟产生了 12种飞机的雷达时域回波，具体型号参数如表1所示。
[0054] 表1各类型飞机参数
[0055]
[0056] 2 ·实验内容
[0057] 实验1，对模拟产生的时域回波信号进行局部均值分解，分解后的各分量信号的频 谱，如图2所示。在图2中，图2(a)表示喷气式飞机回波信号的分解结果，图2(b)表示螺旋桨 式飞机回波信号的分解结果，图2(c)表示直升机回波信号的分解结果。
[0058]图2表明通过对三类飞机的回波信号进行局部均值分解可以有效的分离出微动分 量。
[0059] 从图2(a)可以看出，喷气式飞机由于其飞行速度远快于直升机与螺旋桨式飞机， 在对应的雷达回波中，经局部均值分解后，其本体的多普勒调制信号对应Fi，微动分量则在 F冲。
[0060] 从图2(c)可以看出，直升机与喷气式飞机相反，较慢的飞行速度使得经局部均值 分解后，本体的多普勒调制信号对应FnFi*获得的是微动分量。
[0061] 从图2(b)可以看出，螺旋桨飞机的各种飞行特性均位于另外两种飞机之间，因此 其局部均值分解结果也近似于另外两种飞机分解结果的折中。
[0062] 实验2,将直接从目标回波的频谱中提取的特征进行识别的结果与本发明的识别 结果进行比较，结果如表2所示。
[0063] 表2常规特征识别结果与本发明的识别结果比较
[0064]
[0065] 从表2中可以看出，本发明降低了本体产生的多普勒调制对特征提取的影响，显著 提尚了识别性能。
【主权项】
1. 一种基于局部均值分解的目标识别特征提取方法，包括如下步骤： 1)对目标的时域回波信号S={S1，S2,...，sk，...， SN}进行局部均值分解，得到余量信号 的和信号U以及L个单分量信号fa，其中Sk为时域回波信号S第k点的值，k=l，2,. . .，N，N为脉 冲数，α = 1，2,. . .，L，L为单分量信号的个数； 2 )定义第一单分量信号频谱：F1= |ff Uh] |以及剩余单分量信号频谱：其中fl为第一单分量信号，fft[ ·]代表快速傅立叶变换，| · |代表取模 运算； 3)根据L个单分量信号fa，以及定义的第一单分量信号频谱Fi、剩余单分量信号频谱Fr， 提取如下四种目标识别特征： 第一单分量信号熵值:tl = entropy[fi]，式中entropy[·]代表取熵值运算； 第一单分量信号频谱熵值:t2 = entropy [Fi]; 第一单分量信号频谱与剩余单分量信号频谱的能量比：t3 = energy [Fr]/energy[Fi]， 式中energy [·]代表取能量运算； 第一单分量信号频谱与剩余单分量信号频谱的峰值比：t4=max[Fr]/max[Fi]，式中max [·]代表取最大值运算。2. 根据权利要求1所述的目标识别特征提取方法，其中步骤1)所述的对目标的时域回 波信号S={si，S2, . . .，Sk, . . .，sn}进行局部均值分解，步骤如下： la) 确定回波信号S所有的局部极值点m，i = l，2, . . .，W，W为信号S的局部极值点个数， 计算相邻两个局部极值点m和111+1的平均值nu，g卩：；将所有相邻的两个均值nu 用直线连接，并对连接后得到的曲线使用滑动平均算法进行平滑处理，得到局部均值函数 mu； lb) 使用局部极值点m计算包络估计值：将所有相邻两个包络估计值&1用 直线连接，将连接后得到的曲线使用滑动平均算法进行平滑处理，得到包络估计函数an; lc) 将局部均值函数mn从S中分离，得到差值信号:hn = S-m11; ld) 对差值信号hn解调，得到解调信号：S11 = hn/an，并将sn作为原始数据重复以上la) 至lc)迭代过程，当迭代j次后满足aij = 1时，迭代终止； le) 将迭代过程中产生的所有包络估计函数相乘得到包络信号抑，即：lf) 将包络信号gl和纯调频信号叫相乘得到S的第一单分量信号，即： fl = glXsij； lg) 将第一单分量信号从S中分离，得到分离后的信号，将分离后的信号重复 上述la)至If)操作，最终得到余量信号的和信号u以及L个单分量信号fa，a = l，2, . . .，L。
【专利摘要】本发明公开了一种基于局部均值分解的目标识别特征提取方法，主要解决现有目标识别技术中识别性能差的问题。其技术方案是：1.对雷达时域回波信号进行局部均值分解；2.利用分解结果定义第一单分量信号频谱和剩余单分量信号频谱；3.从各分量信号及其频谱中提取第一单分量信号熵值、第一单分量信号频谱熵值、第一单分量信号频谱与剩余单分量信号频谱的能量比、第一单分量信号频谱与剩余单分量信号频谱的峰值比，这四种识别特征。本发明具有提高识别性能的优点，可用于对雷达目标的识别。
【IPC分类】G01S7/41
【公开号】CN105676202
【申请号】CN201610044315
【发明人】刘宏伟, 王鹏辉, 费大勇, 杜兰, 纠博, 陈渤
【申请人】西安电子科技大学
【公开日】2016年6月15日
【申请日】2016年1月22日