窄帶雷達(dá)車輛目標(biāo)分類方法及實(shí)現(xiàn).pdf

1、隨著雷達(dá)技術(shù)的發(fā)展，雷達(dá)自動目標(biāo)識別已經(jīng)成為了未來雷達(dá)發(fā)展的方向。窄帶雷達(dá)的探測距離遠(yuǎn)，并且在我國裝備的數(shù)量較多，所以對窄帶雷達(dá)目標(biāo)分類具有重要意義。另一方面，窄帶雷達(dá)的分辨率較低，目標(biāo)回波包含的信息較少，對目標(biāo)進(jìn)行識別的難度大。而在地面運(yùn)動的輪式車輛和履帶車輛目標(biāo)，由于它們的驅(qū)動方式不同，車身相對旋轉(zhuǎn)部件不一樣，導(dǎo)致二者的微多普勒回波有較大差異，可以用此特征進(jìn)行分類。本文即圍繞窄帶雷達(dá)條件下的運(yùn)動車輛目標(biāo)分類問題進(jìn)行了研究，主要內(nèi)容可

2、以概括為以下三方面：
　　1.對運(yùn)動車輛目標(biāo)的微多普勒效應(yīng)進(jìn)行介紹，給出了車輛目標(biāo)的微多普勒模型。首先對于旋轉(zhuǎn)單散射點(diǎn)的微運(yùn)動進(jìn)行了介紹，給出了其微多普勒信號模型的數(shù)學(xué)表達(dá)式。在此基礎(chǔ)上，給出了旋轉(zhuǎn)體的微運(yùn)動模型，并且依據(jù)模型的數(shù)學(xué)表達(dá)式指出了影響目標(biāo)的微多普勒信號的相關(guān)變量。針對車輛目標(biāo)的運(yùn)動特點(diǎn)，進(jìn)一步給出了車輪與履帶的微多普勒模型，從二者模型的數(shù)學(xué)表達(dá)式上推導(dǎo)出微多普勒信號的差異之處。通過對實(shí)測的車輛目標(biāo)雷達(dá)回波信號進(jìn)行分析

3、，指出了輪式車輛和履帶式車輛回波的差異。
　　2.針對運(yùn)動車輛目標(biāo)的分類識別流程，對一些通用的信號處理方法以及分類方法進(jìn)行了研究。在目標(biāo)回波的雜波抑制方面，分別介紹了基于脈沖對消MTI、基于CLEAN算法和基于廣義匹配濾波器的雜波抑制方法，通過對比各種方法的雜波抑制效果，介紹了各方法的優(yōu)缺點(diǎn)。在目標(biāo)識別特征的提取方面，介紹了基于多普勒分布特征和能量分布特征的提取方法，通過對真實(shí)目標(biāo)進(jìn)行分類，給出了各種特征的分類效果。在分類算法的選

4、擇方面，介紹了LDC、KNN、SVM三種分類算法，通過對各算法的分析比較，給出了各種不同分類算法的適用條件。
　　3.對于窄帶雷達(dá)運(yùn)動車輛目標(biāo)的分類識別，在DSP上進(jìn)行了硬件工程的實(shí)現(xiàn)。在上述分析的目標(biāo)分類識別的各種實(shí)現(xiàn)方法的基礎(chǔ)上，綜合考慮目標(biāo)分類效果以及工程的實(shí)時性需求，選用合適的方法進(jìn)行目標(biāo)分類系統(tǒng)的設(shè)計(jì)，然后分析了DSP上硬件工程各模塊的設(shè)計(jì)。最后，通過分析硬件分類系統(tǒng)的運(yùn)算精度、運(yùn)算時間和分類效果，驗(yàn)證了該窄帶雷達(dá)運(yùn)動車