基于微多普勒特性分析的地面慢速目標(biāo)識別與欺騙干擾方法研究.pdf

1、微多普勒效應(yīng)引入雷達(dá)領(lǐng)域以來，在雷達(dá)目標(biāo)檢測、特征提取、分類與識別、參數(shù)反演等方面得到了廣泛的應(yīng)用。行人除了軀干質(zhì)心運(yùn)動外，還存在頭、肩、四肢以及手腳等部位的微運(yùn)動。而車輛除了車體質(zhì)心運(yùn)動外，還存在輪子等部件的微運(yùn)動，這兩類地面運(yùn)動目標(biāo)均具有典型的微運(yùn)動。同時(shí)，行人與車輛目標(biāo)也是地面監(jiān)視雷達(dá)的主要監(jiān)視對象。但是，目前的地面監(jiān)視雷達(dá)多是窄帶雷達(dá)，傳統(tǒng)的基于傅里葉變換與多普勒分析的方法很難實(shí)現(xiàn)行人與慢速車輛目標(biāo)的分類與識別。然而，行人與車輛

2、目標(biāo)所產(chǎn)生的微多普勒效應(yīng)是其微運(yùn)動部件的特有特征，不僅蘊(yùn)含著目標(biāo)部件的自身尺寸、材質(zhì)等固有屬性信息，而且還包含目標(biāo)的運(yùn)動信息。因此，研究基于微多普勒分析的地面慢速目標(biāo)識別方法將能夠提升地面監(jiān)視雷達(dá)的識別與信息獲取能力。同時(shí)，由于微多普勒信號具有較強(qiáng)的非平穩(wěn)特性，使得地面慢速目標(biāo)的微多普勒特征提取與識別研究將面臨較多的挑戰(zhàn)。另外，地面慢速目標(biāo)識別需要的微多普勒信息，也是欺騙干擾所需產(chǎn)生的理想干擾效果。由于地面慢速目標(biāo)的微多普勒信號中包含了

3、目標(biāo)部件的精細(xì)化運(yùn)動信息，如何充分地利用目標(biāo)的微多普勒信息，實(shí)現(xiàn)對地面慢速目標(biāo)精細(xì)化的欺騙干擾是目前雷達(dá)信號處理與電子對抗領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。本文在國家自然科學(xué)基金課題、國家863課題和橫向課題的資助下，結(jié)合地面監(jiān)視雷達(dá)系統(tǒng)對目標(biāo)探測與識別的實(shí)際應(yīng)用需求，開展基于微多普勒特性分析的地面慢速目標(biāo)識別與欺騙干擾研究，將重點(diǎn)研究地面慢速目標(biāo)的微多普勒特征提取、微運(yùn)動部件精細(xì)化識別以及基于微運(yùn)動的目標(biāo)精細(xì)化欺騙干擾等問題。主要研究內(nèi)容概述如下

4、:
　　1、針對目標(biāo)微運(yùn)動特性進(jìn)行分析，建立了振動、旋轉(zhuǎn)和擺動等典型微運(yùn)動的普適模型，推導(dǎo)了不同微運(yùn)動模型對應(yīng)的微多普勒解析表達(dá)式。針對微多普勒非平穩(wěn)性強(qiáng)，常規(guī)傅里葉分析方法分辨率低的難題，利用短時(shí)傅里葉變換(Short Time FourierTransform，STFT)、Wigner-Ville變換(Wigner-Ville Distribution，WVD)以及平滑偽WVD等時(shí)頻分析方法對不同微運(yùn)動的微多普勒特性進(jìn)行了深入

5、研究，并詳細(xì)分析對比了不同時(shí)頻分析方法的性能，為后續(xù)的行人與車輛等地面慢速目標(biāo)的微多普勒特征提取與識別及欺騙干擾研究提供理論基礎(chǔ)。
　　2、針對行人和車輛等地面慢速運(yùn)動目標(biāo)在窄帶雷達(dá)觀測中難以檢測和分類等難題，充分挖掘行人與車輛目標(biāo)的微多普勒特征差異性，提出了基于時(shí)頻譜圖紋理信息的地面慢速目標(biāo)特征提取與分類方法，并利用行人和車輛目標(biāo)實(shí)測數(shù)據(jù)，獲得了良好的特征提取與分類結(jié)果。首先，針對連續(xù)波雷達(dá)數(shù)據(jù)包含大量背景雜波等問題，建立了地雜

6、波統(tǒng)計(jì)模型，研究了有效的雜波抑制方法。其次，基于行人和車輛目標(biāo)的微運(yùn)動模型及其微運(yùn)動特性，利用STFT進(jìn)行時(shí)頻分析以生成譜圖樣本，并通過預(yù)處理進(jìn)一步提高樣本的信雜噪比。接著，提取行人和車輛目標(biāo)的譜圖熵值、統(tǒng)計(jì)直方圖三階矩和方向性等譜圖紋理信息，并形成有效的特征庫。然后，將紋理特征庫分為訓(xùn)練集和測試集，先后送入支持向量機(jī)分類器進(jìn)行訓(xùn)練學(xué)習(xí)，以實(shí)現(xiàn)行人與車輛的有效分類。最后，仿真與實(shí)測數(shù)據(jù)處理結(jié)果驗(yàn)證了所提出的方法在信噪比較低和訓(xùn)練樣本數(shù)較

7、少時(shí)，具有較好的魯棒性。
　　3、針對行人的微運(yùn)動部位復(fù)雜且難以分離的問題，結(jié)合人體各部位回波的統(tǒng)計(jì)特性，提出了基于主分量分析(Principle Component Analysis，PCA)的行人微運(yùn)動部位精細(xì)化識別方法，其精細(xì)化識別能力優(yōu)于現(xiàn)有的基于復(fù)數(shù)經(jīng)驗(yàn)?zāi)B(tài)分解(ComplexEmpirical Mode Decomposition，CEMD)方法。首先，基于行人的微運(yùn)動特性對行人各微動部位進(jìn)行精細(xì)化建模，并對各微運(yùn)動部

8、位的統(tǒng)計(jì)特性進(jìn)行詳細(xì)分析。其次，采用滑窗技術(shù)將行人雷達(dá)回波信號進(jìn)行時(shí)間平滑處理，并依據(jù)信息理論準(zhǔn)則，無需任何先驗(yàn)知識或主觀閾值的設(shè)置，通過最小化AIC準(zhǔn)則(Akaike Information Criterion，AIC)確定PCA分解對應(yīng)的主分量個(gè)數(shù)。接著，對行人雷達(dá)回波信號進(jìn)行PCA分解，獲得代表行人回波主要能量的特征向量，并采用逆滑窗處理方法重構(gòu)信號，獲得表示行人微運(yùn)動部位信息的主分量。然后，結(jié)合基于Ixegram的聚類算法對相似

9、主分量進(jìn)行重新聚類，以實(shí)現(xiàn)行人主要微運(yùn)動部位的精細(xì)化識別。最后，仿真數(shù)據(jù)處理結(jié)果驗(yàn)證了所提出方法的有效性。
　　4、針對目前車輛欺騙干擾因未考慮其微運(yùn)動造成干擾容易辨識的問題，結(jié)合車輛目標(biāo)微運(yùn)動部位的微多普勒特性分析，提出了基于微多普勒特性的車輛目標(biāo)精細(xì)化欺騙干擾方法，獲得了高逼真度的虛假車輛運(yùn)動目標(biāo)。首先，在分析現(xiàn)有車輛欺騙干擾方法基本原理和缺陷的基礎(chǔ)上，通過干擾機(jī)截獲地面監(jiān)視雷達(dá)發(fā)射的窄帶信號，并通過電子偵察系統(tǒng)對雷達(dá)進(jìn)行定位