基于多普勒频谱特性的雷达目标分类识别研究.pdf

第 卷 第 期(总第 期)年 月火控雷达技术 ()收稿日期:作者简介:潘慧冲()男硕士研究生 研究方向为雷达目标识别技术基于多普勒频谱特性的雷达目标分类识别研究潘慧冲 罗丁利 徐保庆(西安电子工程研究所 西安)摘 要:目标特征提取是雷达目标识别过程中至关重要的一步而所提取的特征是否稳定有效则直接决定了提取特征的质量 本文中的炸点、风轮机与气象杂波目标都具有多普勒频谱展宽的特点在回波预处理过程中提取目标回波频谱在此基础上提取目标相对、频谱熵值与频谱标准差三类特征最后以支持向量机()对三类目标实现分类识别 基于实测数据的分类识别结果表明本文中的三类特征对各类目标的分类都具有有效性关键词:特征提取低分辨雷达目标识别支持向量机中图分类号:文献标志码:文章编号:()引用格式:潘慧冲罗丁利徐保庆 基于多普勒频谱特性的雷达目标分类识别研究 火控雷达技术():/():.():引言低分辨战场侦察雷达目标识别的过程包含特征提取与分类识别两部分特征提取是否稳健有效直接决定了目标识别的质量 具有速度发散特点的一类目标形式常常具有多普勒频谱展宽的特点 炸点目标在爆炸的过程中会从炸点中飞射出大量的反射物包括飞石、土块和弹片等这些反射物的数量众多且相对于雷达视线方向的径向速度分量成分复杂这就使得炸点目标具有复杂的多普勒频谱特性风轮机在叶片旋转的过程中叶片上一系列散射点的线速度大小各不相同方向不断变化使叶片转动的回波具有一定宽度的多普勒频谱 部第 期潘慧冲等:基于多普勒频谱特性的雷达目标分类识别研究分气象杂波也会表现出类似的特征具有多普勒频谱展宽的特点 这三类目标的距离多普勒平面表现十分相似会为雷达的实际工作带来影响 基于炸点目标的多普勒谱分布特性可以将炸点目标与战场侦察雷达其它各类目标进行分类识别但是其他各类目标的频谱特性与炸点相差较大并未对炸点目标的频谱特性进行深入研究 对风轮机目标特性的研究中多采用时频分析法研究风轮机目标的时频特性基于风轮机目标的多普勒频率闪烁现象和电磁散射特性提取相关特征 基于时频分析技术提取风轮机的微多普勒特征可以实现对风轮机杂波的有效检测 但是低分辨战场侦察雷达多属于高重频雷达工作在扫描状态时时频分析法并不适用 利用奇异值分解技术可以对风轮机的微动特征进行分析并进行特征提取但是该方法运算量较高不易于工程实现 气象杂波的分类研究相对集中于各类杂波间的分类识别对于杂波与其他目标形式的相似性研究则相对较少本文从雷达目标多普勒频谱分布特性的角度基于目标回波的多普勒谱提取目标相对、频谱熵值以及多普勒频谱标准差这三类特征并基于各类目标的实测回波数据采用支持向量机()分类器检验各类特征对目标的分类性能 目标回波数据预处理雷达的回波信号中除了包含目标信息还含有大量的噪声与杂波信号这些信号具有较高的能量会干扰雷达系统的探测与识别所以回波信号预处理是整个雷达系统分类识别的基础 对于常规战场侦察雷达基带信号的预处理流程包括:脉冲压缩、动目标检测()和恒虚警检测()图 为回波信号预处理流程框图 由于炸点目标、风轮机目标和云雨条件下的部分气象杂波都具有速度发散的特点所以这三类目标在多普勒维都表现为带状目标 由于需要根据 检测出的目标信号进行目标的分类识别所以根据三类目标的回波特点采用双门限检测算法进行目标检测本文采用有序恒虚警检测算法()对目标回波数据进行第一门限恒虚警检测后再沿多普勒维对目标回波进行二进制积累基于二进制积累结果使用滑窗法对检测得到的点迹数进行累积通过设置相应的门限值若所得的累积数目超过门限值则判定为检测到目标否则则没有仿真实验证明该算法对于具有频谱展宽特点的目标具有良好的检测效果可以有效排除杂波虚警和干扰目标图 回波信号预处理流程图 基于目标多普勒频谱特性的基本特征对雷达目标的特征提取是整个雷达目标识别过程中最关键的一步目标特征的有效性与稳健性会影响到雷达目标识别结果的质量 目标的多普勒频谱包含了目标的微多普勒信息本文中的三类目标都包含复杂的多普勒成分在距离维和多普勒维上都有一定的展宽以炸点目标为例图()为炸点目标回波的多普勒频谱从图中可以看出炸点目标频谱在多普勒维呈现带状展开这是由于炸点爆炸过程中飞射出大量反射物相对于雷达视线方向的径向速度分量十分复杂 同理风轮机与气象杂波目标也具有相似的频谱特征如图()、图()所示为了更直接地反映各类目标多普勒频谱的差异性本文对目标回波频谱求频谱和值 假设目标回波频谱的二维数据矩阵 为()式()中 为目标回波在距离维所占据的距离单元数 为多普勒通道数则将目标的二维数据矩阵 在距离维上进行加和处理求得频谱和值 ()本文以回波数据频谱和值 为基础提取以下各类目标特征火 控 雷 达 技 术第 卷图 三类目标回波多普勒频谱 相对 雷达散射截面积()是表征目标对雷达发射信号后向散射能力的物理量本文的三类目标中炸点的散射能量较强但在爆炸过程中爆炸强度会随时间变化所以炸点散射的回波能量会有较大的起伏变化风轮机目标的散射能力则相对稳定而气象杂波的散射性能具有较大的随机性相对 可以用来区分 相对变化较大的目标雷达接收到的回波经过数字脉冲压缩、脉冲积累后回波信噪比 为()()()其中为雷达发射功率 为天线增益为雷达天线有效接收孔径 为目标到雷达的距离 为目标的雷达散射截面积 为发射信号带宽 为发射脉冲时宽 为玻尔兹曼常数为标准噪声温度为噪声系数 为雷达损失式()中、和 是同一雷达系统的固定参数则式()可简化为式()()()其中 为常数则雷达散射截面积可表示为 因此相对 可表示为(/)()式()中以回波功率 代替信噪比 则 可表示为(/)()式()中回波功率 为 ()探测目标到雷达的距离可由质心法求得将目标的二维数据矩阵在多普勒维上进行加和处理可得 为 ()则目标所在距离 为 ()第 期潘慧冲等:基于多普勒频谱特性的雷达目标分类识别研究式()中()为目标回波所在距离门数 为雷达距离分辨单元 频谱熵值熵是信息论中的重要概念它表示了系统不确定性的一种度量熵值的大小反映了不同信源的分离程度频谱熵值在某些文献中又被称作“波形熵”可用来反映信号频谱能量分布的集散程度能量分布越集中频谱熵值越小反之则越大在三类目标中炸点由于爆炸能量分布相对分散且处于爆炸不同阶段的目标能量的分布也有所差异风轮机的能量分布则相对均衡气象杂波的能量分布则具有随机性基于目标多普勒频谱和值的频谱熵值可定义为 ()式()中为目标频谱和值 ()归一化的处理结果为()频谱标准差频谱标准差是表征目标回波多普勒频谱幅值分布情况的物理量其值的大小代表了回波幅值波动的大小在三类目标中炸点目标的回波中所包含多普勒成分十分复杂由于爆炸使这些成分的幅值在多普勒频谱中分布并不均匀相对而言风轮机频谱的幅值分布则要相对均衡而气象杂波中的多普勒展宽的情况就更为复杂频谱标准差可以对各类频谱幅值波动情况差异较大的目标形式进行分类频谱标准差是指回波多普勒频谱幅值的标准差由目标频谱和值 ()可表示为()()式()中为多普勒频谱标准差为目标频谱和值 各幅值分量的平均值 特征提取结果基于实测数据的特征分布结果如图 所示图 实测数据特征分布图火 控 雷 达 技 术第 卷 从以上特征分布图中可以看出炸点目标与风轮机目标的各类特征分布相对比较集中而气象杂波特征分布区域较为离散化 在三类特征中相对 对于炸点目标与风轮机目标有极佳的分类效果这两类目标的相对 分布区域较小特征聚集性较好 从频谱熵值的角度来看三类目标在频谱熵值上的区分度并不大但是炸点目标与风轮机目标在频谱熵值上有良好的特征稳健性 多普勒频谱标准差对这两类目标具有不错的区分度从图 中观察到两类目标在多普勒频谱标准差上也表现出较好的特征稳健性 综上可以看出风轮机目标与炸点目标各项特征的稳健性相对较好而气象杂波由于情况具有较大的随机性所以各项特征的稳健性表现相对较差 基于实测数据的分类识别本文在特征提取后对雷达实测数据进行了分类识别雷达采用脉冲多普勒体制信号带宽为最大探测距离为 距离分辨率为 最大不模糊速度为/实测数据中包含了风轮机、炸点与气象杂波三类目标 本文以 为分类器 分类器对小样本具有良好的分类性能且其训练结果具有较好的泛化能力 分类器采用高斯核函数 文中在对数据集进行归一化处理后将数据集中的样本进行随机排序并按比例进行训练集的选取为比较各类特征在分类识别中的有效性控制分类识别的条件将样本中的三类特征进行两两组合并与三类特征的分类结果进行对比分析在进行 次蒙特卡洛试验后统计各类目标的正确识别样本均值与识别率均值保证了训练样本的随机性和实验结果的可靠性 分类识别结果如表 所示为了更直观地比较各类特征组合的识别率变化图 给出了 类目标在不同特征组合下的识别率变化曲线 图 表明相对于两类特征的组合三类特征组合下的识别率有所提高其中三类特征组合相对于“相对 频谱熵值”组合的识别率上升并不显著这与样本数量相对较少有关同时也验证了频谱标准差对三类目标的分类有效性较低表 三类目标分类结果总样本数风轮机炸点气象杂波合计频谱熵值 频谱标准差正确识别样本均值 正确识别率/相对 频谱标准差正确识别样本均值 正确识别率/相对 频谱熵值正确识别样本均值 正确识别率/三类特征正确识别样本均值 正确识别率/图 不同特征组合的目标识别率 为了更进一步比较各种特征的分类性能表 中列出了使用 分类器时各类特征的识别率由于个别目标样本数相对较少会对统计结果产生部分影响 通过对比 类目标在不同特征的识别率可以看出特征相对 对三类目标的识别都表现出较好的分类性能频谱熵值对炸点的识别率较低对其他两类目标却有不错的分类效果而频谱标准差对风轮机与炸点能很好地进行识别但对气象杂波的分类效果较差 通过对三类特征的分类结果进行比较可得三类特征对各类目标的分类都具有有效性第 期潘慧冲等:基于多普勒频谱特性的雷达目标分类识别研究表 不同特征识别率比较总样本数风轮机炸点气象杂波合计相对 正确识别样本数 正确识别率/频谱熵值正确识别样本数 正确识别率/频谱标准差正确识别样本数 正确识别率/结束语本文针对低分辨战场侦察雷达目标的分类识别问题通过雷达信号预处理抑制杂波干扰提取目标回波频谱构建目标频谱和值在此基础上进行目标特征提取提取三类目标频谱特征:相对、频谱熵值以及频谱标准差 最后以所提取的三类特征训练 分类器对目标进行分类识别基于雷达实测数据的分类实验结果表明三类特征对各类目标的分类都具有有效性其中“相对 频谱熵值”特征组合对各类目标的识别率与三类特征组合的识别率相差不大从工程实践的角度可以选择“相对 频谱熵值”的特征组合参考文献:张冠武连豪谢敏.战场侦察雷达对炸点目标的识别方法.雷达科学与技术():.何炜琨石玉洛王晓亮等.风轮机雷达回波的仿真与分析.系统仿真学报():.张冠武罗丁利李鹏.战场侦察雷达目标识别方法研究.火控雷达技术():.唐波邹芳孙子昂等.大地背景下风电机雷达回波信号的仿真与分析.太原理工学报():.何炜琨石玉洛郭双双等.风轮机雷达散射特性仿真及微多普勒特征分析.电波科学学报():.何炜琨窄秋苹郭双双等.基于微多普勒特征的风轮机雷达杂波检测.信号处理():.何炜琨郭双双王晓亮等.基于奇异值分解的风电场杂波微动特征提取.电子测量与仪器学报():.韩帅.雷达杂波识别卷积神经网络的设计与实现.西安:西安电子科技大学.陈志仁顾红苏卫民等.基于特征概率分布的低分辨雷达地面目标分类.系统工程与电子技术():.李诗润.战场侦察雷达的目标识别技术研究.南京:南京理工大学.易晓柯.支持向量机的全局局部特征融合目标识别.雷达科学与技术():.宋新景.低分辨雷达的目标分类识别研究.雷 达 科 学 与 技 术 ():.陈伯孝.现代雷达系统分析与设计.西安:西安电子科技大学出版社.