本发明专利技术提供一种基于雷达识别目标的方法及系统,该方法包括:确定雷达回波信号中的潜在目标信号;基于波形特征提取算法对潜在目标信号进行波形特征提取,得到波形特征向量;根据波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别
【技术实现步骤摘要】
一种基于雷达识别目标的方法及系统
[0001]本专利技术涉及雷达
,尤其涉及一种基于雷达识别目标的方法及系统
。
技术介绍
[0002]穿墙雷达通过电磁波良好的低频穿透特性,可以实现对各种公路地表
、
建筑堡垒
、
叶簇草丛
、
厚重烟雾等人眼不可见的遮蔽区域后方目标的探测
、
鉴别
、
定位
、
成像,是一项非入侵式探测技术
。
基于超宽带技术的穿墙雷达具有距离向分辨率高
、
穿透能力强
、
重量轻和机动性强等特性,且不会对人体造成损伤,被广泛用于军用和民用领域
。
例如在火灾救援中穿墙雷达发射电磁波,采用了超宽带雷达非接触式生命特征提取技术,穿透非金属介质照射到人体
。
发射出去的电磁波被人体生命特征
(
人体运动,心跳及呼吸
)
调制并反射回来
。
但是回波信号除了含有生命特征信息的信号,还有非金属介质所反射的强回波信号,以及周围环境造成的强干扰和噪声信号,影响目标识别效果
。
技术实现思路
[0003]本专利技术提供一种基于雷达识别目标的方法及系统,用以解决现有技术中雷达在复杂环境中无法精确识别目标的缺陷,本专利技术结合波形特征提取算法和支持向量机分类模型,能够有效提升雷达在多径干扰和杂波影响较为严重的复杂空间的使用性能,能够更加准确地从多径干扰和背景杂波中分类识别出潜在目标
。
[0004]本专利技术提供一种基于雷达识别目标的方法,包括:确定雷达回波信号中的潜在目标信号;基于波形特征提取算法对所述潜在目标信号进行波形特征提取,得到波形特征向量;根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别
。
[0005]根据本专利技术提供的一种基于雷达识别目标的方法,所述基于波形特征提取算法对所述潜在目标信号进行波形特征提取,得到波形特征向量,包括:基于波形特征提取算法对所述潜在目标信号进行多个维度的波形特征提取,得到多个维度的波形特征向量;多个维度的所述波形特征包括脉冲质心
、
脉冲偏度
、
脉冲相关性
、
脉冲半高宽
、
脉冲平整度
、
脉冲频谱偏度
、
脉冲频谱峰度
、
脉冲频谱质心和小波分解一层系数均值
。
[0006]根据本专利技术提供的一种基于雷达识别目标的方法,所述根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别,包括:对多个维度的所述波形特征向量设置目标分类标签,得到支持向量机的样本数据集;根据第一预设公式对所述支持向量机的样本数据集进行预处理,得到预处理后的样本数据集;所述第一预设公式为:
[0007][0008]其中,
x
为脉冲特征,
x
′
为规范化脉冲特征,为脉冲特征的均值,
σ
A
为脉冲特征的标准差;
[0009]基于所述预处理后的样本数据集,通过迭代求解二分类的超平面方程,以训练所
述支持向量机分类模型;利用训练后的所述支持向量机模型进行潜在目标的分类识别,得到所述潜在目标的位置信息
。
[0010]根据本专利技术提供的一种基于雷达识别目标的方法,所述根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别之后,还包括:基于轨迹跟踪的分类方法对所述支持向量机分类模型识别的潜在目标进行再次分类识别
。
[0011]根据本专利技术提供的一种基于雷达识别目标的方法,所述基于轨迹跟踪的分类方法对所述支持向量机分类模型识别的潜在目标进行再次分类识别,包括:根据所述支持向量机分类模型得到的所述潜在目标的位置信息,基于匈牙利匹配算法进行目标匹配,得到匹配结果;根据所述匹配结果和预设匹配阈值进行卡尔曼位置预测和卡尔曼系数矩阵的更新,以得到再次分类识别的结果
。
[0012]根据本专利技术提供的一种基于雷达识别目标的方法,所述确定雷达回波信号中的潜在目标信号,包括:获取雷达回波信号;对所述雷达回波信号进行预处理,得到预处理后的雷达回波信号;对所述预处理后的雷达回波信号进行检测,得到所述潜在目标信号
。
[0013]根据本专利技术提供的一种基于雷达识别目标的方法,所述对所述雷达回波信号进行预处理,得到预处理后的雷达回波信号,包括:采用自适应背景抑制与带通滤波器相结合的方式进行固定背景噪声抑制和杂波消除处理
。
[0014]根据本专利技术提供的一种基于雷达识别目标的方法,所述对所述雷达回波信号进行预处理,得到预处理后的雷达回波信号,还包括:进行微弱潜在目标信号增强处理
。
[0015]根据本专利技术提供的一种基于雷达识别目标的方法,所述对所述预处理后的雷达回波信号进行检测,得到所述潜在目标信号,包括:采用一维恒定虚警率检测器检测所述预处理后的雷达回波信号,根据第二预设公式得到所述潜在目标信号;所述第二预设公式为:
[0016][0017]其中,
T0
为恒定误报率阈值,
γ0为确定阈值的加权系数,
k,j
为正在确定阈值的单元格的指数,
i
为算法所考虑的范围线的索引,
W
为处理的范围行的总数,
k',j'
为计算阈值的相邻单元的索引
。
[0018]本专利技术还提供一种基于雷达识别目标的系统,包括:潜在目标信号确定模块,用于确定雷达回波信号中的潜在目标信号;波形特征提取模块,用于基于波形特征提取算法对所述潜在目标信号进行波形特征提取,得到波形特征向量;潜在目标分类识别模块,用于根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别
。
[0019]本专利技术提供的一种基于雷达识别目标的方法及系统,该方法包括:确定雷达回波信号中的潜在目标信号;基于波形特征提取算法对潜在目标信号进行波形特征提取,得到波形特征向量;根据波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别
。
本专利技术结合波形特征提取算法和支持向量机分类模型,能够有效提升雷达在多径干扰和杂波影响较为严重的复杂空间的使用性能,能够更加准确地从多径干扰和背景杂波中分类识别出潜在目标
。
附图说明
[0020]为了更清楚地说明本专利技术或现有技术中的技术方案,下面将对实施例或现有技术
描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本专利技术的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图
。
[0021]图1是本专利技术提供的一种基于雷达识别目标的方法的流程示意图之一;
[0022]图2是本专利技术提供的多路径干扰模型的原理示本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.
一种基于雷达识别目标的方法,其特征在于,包括:确定雷达回波信号中的潜在目标信号;基于波形特征提取算法对所述潜在目标信号进行波形特征提取,得到波形特征向量;根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别
。2.
根据权利要求1所述的基于雷达识别目标的方法,其特征在于,所述基于波形特征提取算法对所述潜在目标信号进行波形特征提取,得到波形特征向量,包括:基于波形特征提取算法对所述潜在目标信号进行多个维度的波形特征提取,得到多个维度的波形特征向量;多个维度的所述波形特征包括脉冲质心
、
脉冲偏度
、
脉冲相关性
、
脉冲半高宽
、
脉冲平整度
、
脉冲频谱偏度
、
脉冲频谱峰度
、
脉冲频谱质心和小波分解一层系数均值
。3.
根据权利要求2所述的基于雷达识别目标的方法,其特征在于,所述根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别,包括:对多个维度的所述波形特征向量设置目标分类标签,得到支持向量机的样本数据集;根据第一预设公式对所述支持向量机的样本数据集进行预处理,得到预处理后的样本数据集;所述第一预设公式为:其中,
x
为脉冲特征,
x
′
为规范化脉冲特征,为脉冲特征的均值,
σ
A
为脉冲特征的标准差;基于所述预处理后的样本数据集,通过迭代求解二分类的超平面方程,以训练所述支持向量机分类模型;利用训练后的所述支持向量机模型进行潜在目标的分类识别,得到所述潜在目标的位置信息
。4.
根据权利要求3所述的基于雷达识别目标的方法,其特征在于,所述根据所述波形特征向量,基于支持向量机分类模型完成潜在目标的分类识别之后,还包括:基于轨迹跟踪的分类方法对所述支持向量机分类模型识别的潜在目标进行再次分类识别
。5.
根据权利要求4所述的基于雷达识别目标的方法,其特征在于,所述基于轨迹跟踪的分类方法对...
【专利技术属性】
技术研发人员:翁文国,王宋,
申请(专利权)人:清华大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。