[發明專利]基于稀疏分解的地面移動目標微動信號特征提取

無效

• 申請號: 201310289492.6
• 申請日: 2013-07-11
• 公開（公告）號: CN103413134A
• 公開（公告）日: 2013-11-27
• 發明（設計）人: 李智;陽佑虹;任和
• 申請（專利權）人: 四川大學
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/12
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明提供一種基于稀疏分解的特征提取算法，具體涉及對地面移動目標的微多普勒信號的特征提取。?

背景技術

對地面移動目標的監測與識別屬于戰場目標監測與邊境防衛的重要內容；地面移動目標通常是指各類機動式裝備（如機動卡車、裝甲車等），以及各種人類的運動狀態（如爬行、走路、跑步等）。它們能四處分散，隱蔽性強，可以通過躲在掩體里隱藏或者偽裝來躲避被發現和跟蹤。?

微動信號是利用微多普勒效應描述移動物體的微動特征，通過對雷達回波采用微多普勒調制得到的信號。這類信號包含能夠做為描述大部分地面移動目標微動特征的微動信息；微動特征是目標的物理特征，具有“唯一”表征性，即不同的微動會有不同的微多普勒，從而可以基于目標的微動差異來提取相應的可被識別的有效特征。這對戰場監視及地面目標的監測與識別具有重要的意義。?

微多普勒效應反映了目標頻率的瞬時特性，對微動的信號的探測非常敏感，尤其是對人爬行前進或機動車隱蔽前進等不易被察覺的行為也具有很強的探測效果；因此從微動信號中提取目標特征更符合地面移動目標的特點。?

微動信號是一種典型的非平穩時變信號。目前，微動識別領域常用的方法包括采用經驗模態分解、獨立成分分析及時頻分析等方法來進行特征提取。下面分別對這三種方法做簡要介紹。?

?經驗模態分解是根據信號自身的特點通過將信號分成若干個本征模態分量之和，從而自適應地將信號的局部特征逐級分解出來；獨立成分分析是基于信號的高階統計特性，將多路信號分解成相互獨立的成分，屬于盲分離的范疇；這兩種方法具有良好的局部特性和自適應性，適用于類別可分的情況，但不能估計瞬時頻率。?

時頻分析方法實質上是將一維時域信號映射到二維時頻空間中，來表示信號頻率信息隨時間變化而變化的情況；常用的時頻分析方法包括短時傅里葉變換（STFT）、小波變換、二次型時頻表示等。這些方法具有不同程度的時頻分辨率，能給出在特定的時間和特定的頻率范圍的能量分布；但當信號噪聲干擾太強或信號本身變化不明顯時，這些經典的時頻變換方法和濾波方法受到干擾太大，進而影響信號有效特征的提取，并且這類方法通常不具有自適應性。?

從上面可以看出，目前常用的這三類時、頻域方法雖然能對目標信號進行局部特征的提取，但仍然克服不了信號特征分辨度不高的局限性；而且在實際環境中，地面移動目標運動不明顯，目標的微動信號變化緩慢，且信號包含大量背景噪聲，使用已有的方法易丟失信號的細節信息，造成信噪比損失。?

稀疏分解的發展為信號的變換域表示和特征提取提供了新的發展方向。該方法根據待分解信號的特點，從過完備原子庫中選擇最貼近殘差信號的原子，分解得到的原子參數表征的是所代表波形的特點。但在實際應用中，稀疏分解算法存在計算度復雜、算法運行時間長等問題，對硬件實現及算法時間提出了較高要求。同時在實際環境中，信號包含實際工作中的噪聲給分解帶來更復雜的分解度。?

發明內容

本發明為解決在實際情況中對受到噪聲干擾的微多普勒信號存在的特征提取不足、實際識別效果不理想等問題，提出了一種基于稀疏分解的地面移動目標特征提取方法。?

本發明的基于微多普勒效應和稀疏分解的地面移動目標特征提取具體步驟如下：?

步驟一：建立與目標信號對應的過完備原子庫。將原子的尺度、位移、頻率、振幅及投影值作為變化參數并將參數離散化，根據目標信號的特點及先驗知識設定參數的變化范圍。對原子歸一化得到對應微動信號的特征原子庫。

步驟二：將優化的遺傳算法（GA）與MP稀疏分解結合，高效并自適應尋找參數稀疏的原子，得到描述信號特征的一系列原子參數。?

步驟三：作PCA主成分分析對得到的特征降維并提取有效成分做為最終特征。?

基于微多普勒效應和稀疏分解的地面移動目標特征提取方法具有以下優點：?

1.?改變了傳統的信號分析方法；在實際情況中，當物體運動的幅度非常微小時，相對噪聲及目標本身信號干擾而言微動信號所占的比例是非常小的；按照傳統的信號處理方法，是先對噪聲信號進行降噪等優化處理再進行特征提取，但這種處理會丟失大量微動信息，造成特征提取的不充分。

2.?通過建立與信號對應的特征原子庫，使原子的選取更具有代表性。根據信號的先驗知識設定原子搜索的范圍，能有效減少搜索次數，提高搜索的效率。?