人員及車輛目標(biāo)地震動(dòng)信號(hào)識(shí)別方法研究.pdf

1、隨著軍事技術(shù)的進(jìn)步與發(fā)展，我國(guó)信息偵察技術(shù)正向立體化、精確化、綜合化方向發(fā)展。在對(duì)地面運(yùn)動(dòng)目標(biāo)人員及車輛的偵察監(jiān)測(cè)中，震動(dòng)傳感器是一種普遍使用的地面?zhèn)鞲衅?，它通過記錄地震波來探測(cè)目標(biāo)，通?？梢蕴綔y(cè)到20m以內(nèi)運(yùn)動(dòng)的人員目標(biāo)以及200m以內(nèi)的車輛目標(biāo)。人員及車輛產(chǎn)生的地震動(dòng)信號(hào)屬于典型的非平穩(wěn)隨機(jī)信號(hào)，對(duì)其進(jìn)行分析、處理過程顯得尤為重要。近年來，經(jīng)驗(yàn)?zāi)B(tài)分解（ Empirical Mode Decomposition, EMD）已成為處理

2、非平穩(wěn)隨機(jī)信號(hào)的熱點(diǎn)方法，被廣泛應(yīng)用到地震動(dòng)信號(hào)的處理中。
　　首先，本文介紹了人員及車輛目標(biāo)地震動(dòng)信號(hào)的去噪方法和識(shí)別方法的國(guó)內(nèi)外研究現(xiàn)狀，并研究了地震動(dòng)信號(hào)的發(fā)生和傳播機(jī)理，描述了震動(dòng)傳感器信號(hào)采集裝置，對(duì)人員、輪式車和履帶車所產(chǎn)生的地震動(dòng)信號(hào)進(jìn)行采集并建立樣本庫(kù)。之后，根據(jù)地震動(dòng)信號(hào)的特性，詳細(xì)研究了幾種經(jīng)典的時(shí)頻分析方法，并通過實(shí)驗(yàn)進(jìn)行對(duì)比驗(yàn)證，分析了短時(shí)傅里葉變換(Short Time Fourier Transform

3、, STFT）、維格納分布（ Wigner-Ville Distribution, WVD）在處理地震動(dòng)信號(hào)時(shí)的缺陷。
　　之后，由于短時(shí)傅里葉變換法和維格納分布法在處理具有非線性和非平穩(wěn)特征的地震動(dòng)信號(hào)時(shí)存在缺陷，針對(duì)此問題，本文采用集成經(jīng)驗(yàn)?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition, EEMD）算法對(duì)實(shí)測(cè)人員、車輛產(chǎn)生的地震動(dòng)信號(hào)進(jìn)行處理。由于人員、車輛等產(chǎn)生的地震動(dòng)信號(hào)往往會(huì)受到背景

4、噪聲等外界條件的干擾，難以識(shí)別。因此，本文對(duì)經(jīng)EEMD分解得到的固有模態(tài)函數(shù)（Intrinsic Mode Function, IMF）高頻分量進(jìn)行小波閾值去噪。通過MATLAB進(jìn)行仿真實(shí)驗(yàn)，將本論文提出的EEMD-小波閾值聯(lián)合去噪方法與其他去噪方法進(jìn)行對(duì)比分析，驗(yàn)證了該方法能夠有效地提高人員及車輛產(chǎn)生的地震動(dòng)信號(hào)的信噪比，同時(shí)也解決了去噪過程中有效信息丟失的問題。
　　最后，針對(duì)外界環(huán)境復(fù)雜多變，無法建立大型的數(shù)據(jù)庫(kù)的問題，建立

5、了適用于小樣本數(shù)據(jù)集的EEMD-SVM非平衡決策樹模型：對(duì)去噪后的IMF分量進(jìn)行篩選，保留有效的IMF分量，計(jì)算其歸一化能量特征矩陣，再將特征矩陣輸入到SVM非平衡決策樹分類器中，進(jìn)行人員、輪式車和履帶車的逐層識(shí)別。同時(shí)，對(duì)本文提出的EEMD-SVM非平衡決策樹模型進(jìn)行仿真實(shí)驗(yàn)，驗(yàn)證了該模型可以準(zhǔn)確、高效地對(duì)人員、輪式車和履帶車進(jìn)行分類識(shí)別。此外，本文建立了 MATLAB的GUI界面，模擬出了一個(gè)基于EEMD-SVM非平衡決策樹模型的人