地面車輛目標(biāo)分類方法研究及軟件設(shè)計.pdf

1、隨著各項技術(shù)的發(fā)展，現(xiàn)代雷達(dá)的功能更加強(qiáng)大，也更加能適應(yīng)現(xiàn)代化戰(zhàn)爭的要求。其中，雷達(dá)目標(biāo)識別技術(shù)也得到了相應(yīng)的發(fā)展，各種新體制雷達(dá)的成功研發(fā)和應(yīng)用有利于更好的進(jìn)行目標(biāo)識別。但是，現(xiàn)役雷達(dá)中仍有較多數(shù)量的舊體制雷達(dá)，如何利用其實現(xiàn)目標(biāo)識別，而不是通過新體制雷達(dá)，這在當(dāng)前情況下是很有意義的研究課題。很多學(xué)者從多個方面對這一課題進(jìn)行了研究，其中，較為有效的一種方法是利用微多普勒效應(yīng)。微多普勒效應(yīng)產(chǎn)生的原因是組成目標(biāo)物體的結(jié)構(gòu)部分除了有與整體相

2、同的運動以外，還有其自身的運動。對于產(chǎn)生微多普勒效應(yīng)的部件來說，其幾何結(jié)構(gòu)、運動形式、組成材質(zhì)等決定了其回波的頻率和幅度。
　　對于在較為理想的情況下采集的數(shù)據(jù)來說，根據(jù)微多普勒效應(yīng)提取特征進(jìn)行分類，可以達(dá)到比較理想的分類效果。但是，實際情況往往不是理想的。如果目標(biāo)距離較遠(yuǎn)，此時采集的數(shù)據(jù)信噪比低，提取同樣的特征進(jìn)行分類，不能得到理想的分類效果，這時，需要對相關(guān)信息進(jìn)行去噪處理；又如果目標(biāo)被遮擋，尤其是產(chǎn)生微多普勒效應(yīng)的部分被遮擋

3、，此時分類效果同樣不理想，這時，考慮連續(xù)幀信號之間的聯(lián)系，可以采用融合的方法對信息進(jìn)行處理。
　　本文的主要工作一是在已有的研究基礎(chǔ)上，更進(jìn)一步研究了窄帶雷達(dá)目標(biāo)識別過程中的去噪處理和信息融合問題，以實現(xiàn)穩(wěn)健分類；二是設(shè)計和實現(xiàn)了基于窄帶雷達(dá)地面運動目標(biāo)分類輔助設(shè)計軟件。
　　第一部分主要介紹了本文的理論基礎(chǔ)，首先給出并分析了輪式和履帶式車輛的微動模型；其次，基于對實測數(shù)據(jù)的分析，介紹了兩種雜波抑制方法；然后，介紹了兩種特征

4、提取方法并進(jìn)行了對比，這兩種方法都是基于微多普勒效應(yīng)的；最后，簡要介紹了支持向量機(jī)分類器的基本原理，這是本文主要用到的分類器。
　　第二部分主要研究了輪式和履帶式車輛的分類性能的提升問題，首先基于之前的研究，介紹了兩種噪聲修正方法，并用實測數(shù)據(jù)觀察其效果；然后，研究了信息融合問題，主要實現(xiàn)了回波信號在特征層的融合，特征層融合介于數(shù)據(jù)層融合和決策層融合之間，信息損失量較小，也有一定的靈活性。本文重點研究了特征層融合的權(quán)值優(yōu)化問題，并