[發明專利]一種基于機器學習的MIMO雷達的材料識別方法

有效

• 申請號: 201710408596.2
• 申請日: 2017-06-02
• 公開（公告）號: CN107169469B
• 公開（公告）日: 2020-06-19
• 發明（設計）人: 李彧晟;劉茜;顧陳;洪弘;孫理;朱曉華;張力;高茜
• 申請（專利權）人: 南京理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G01N27/00;G01S13/88
• 代理公司: 南京理工大學專利中心 32203
• 代理人: 馬魯晉

1.一種基于機器學習的MIMO雷達的材料識別方法，其特征在于，包括以下步驟：

步驟1、用MIMO雷達中的X個天線對采集m1種樣本材料回波信號，從所采集到的回波信號中截取Y分鐘回波信號Sig，對Sig進行特征提取，得出特征參數，所述特征參數包括：所有天線對的回波信號的平均包絡chan_mean、每個天線對的回波信號包絡平均值data_sel_mean、回波信號包絡的全局最大值al_max、全局最小值al_min、全局平均值al_mean和全局均方根al_rms；之后按照所采集的材料對所提取的相應特征進行標記，建立MIMO雷達特征數據庫D；

步驟2、在保證每個集中各個材料比例一致的前提下，將步驟1得到的MIMO雷達數據庫D劃分成兩個互斥的集合，其中一個集合為訓練集S，另一個為交叉檢驗集CV；

步驟3、使用訓練集S通過訓練監督型機器學習算法來建立不同材料和特征參數之間的材料識別映射模型M1；

步驟4、使用交叉檢驗組CV對材料識別映射模型M1進行進一步調參優化，得到材料識別映射模型M；

步驟5、對待測材料進行判別，具體是截取Y分鐘回波信號，進行特征提取，將提取到的特征輸入到材料識別映射模型M中，得到判別結果。

2.根據權利要求1所述的基于機器學習的MIMO雷達的材料識別方法，其特征在于，步驟1用MIMO雷達中的X個天線采集樣本材料回波信號，從所采集到的回波信號中截取Y分鐘回波信號進行特征提取，得出特征參數，具體為：

步驟1-1、提取MIMO雷達的X個天線對的信號回波的平均包絡chan_mean，具體為：第at_i個天線對獲得的回波信號為Sig(at_i，num_t)，at_i＝1，2，…，X，num_t為時間變量；對其進行采樣，得到的信號表示為Sig(at_i，num_i)，其中num_i＝1，2，…num，num為信號采樣點數；對Sig(at_i，num_i)進行希爾伯特變換，得到第at_i個天線對的信號回波包絡Env(at_i，num_i)；得到所有天線對的信號回波包絡后，將Env(at_i，num_i)對at_i求平均，得到回波信號平均包絡chan_mean(num_i)，其中num_i＝1，2，…num,即chan_mean為num維向量；

步驟1-2、提取每個天線對的材料信號回波包絡平均值data_sel_mean，具體為：第at_i個天線對獲得的回波信號為Sig(at_i，num_t)，at_i＝1，2，…，X，num_t為時間變量；對其進行采樣，得到的信號表示為Sig(at_i，num_i)，其中num_i＝1，2，…num，num為信號采樣點數；對Sig(at_i，num_i)進行希爾伯特變換，得到第at_i個天線對的信號回波包絡Env(at_i，num_i)；將第at_i個天線對的信號回波包絡Env(at_i，num_i)對num_i進行平均，得到該天線對的回波信號包絡平均值data_sel_mean(at_i)，其中at_i＝1，2，…，X，即data_sel_mean為X維向量；

步驟1-3、提取信號回波包絡的全局最大值al_max，具體為：在MIMO雷達的所有天線對的信號回波包絡Env(at_i，num_i)中尋找最大值，at_i＝1，2，…，X，num_i＝1，2，…num，得到信號回波包絡全局最大值al_max；

步驟1-4、提取信號回波包絡的全局最小值al_min，具體為：在MIMO雷達所有天線對的信號回波包絡Env(at_i，num_i)中尋找最小值，at_i＝1，2，…，X，num_i＝1，2，…num，得到信號回波包絡全局最小值al_min；

步驟1-5、提取信號回波包絡的全局平均值al_mean，具體為：將data_sel_mean(at_i)對at_i求平均，得到信號回波包絡全局平均值al_mean；

步驟1-6、提取信號回波包絡的全局均方根al_rms，具體為：對MIMO雷達所有天線對信號回波包絡Env(at_i，num_i)進行均方根運算，at_i＝1，2，…，X，num_i＝1，2，…num，得到所有天線對信號回波包絡的全局均方根al_rms。