[發明專利]一種針對復雜動態多目標微動信號智能處理方法及系統

有效

• 申請號: 202011025381.0
• 申請日: 2020-09-25
• 公開（公告）號: CN112184849B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 楊德貴;王浩;彭正紅;朱政亮;陳濺來;程宇
• 申請（專利權）人: 中南大學
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06T11/20;G06T7/136;G06K9/62;G06N3/04;G06N3/08;G01S7/41
• 代理公司: 湖南兆弘專利事務所(普通合伙) 43008
• 代理人: 周長清;胡君

本發明公開一種針對復雜動態多目標微動信號智能處理方法及裝置，該方法步驟包括：S1.獲取對多目標檢測的雷達回波并轉換為二維的時頻圖像；S2.對時頻圖像中多目標的多模態微動曲線進行目標級分離，分離出各單目標微動曲線；S3.對各單目標微動曲線中所包含的各模態微動信號進行解耦，分解得到各模態微動信號；S4.對分解得到的各模態微動信號進行微動特征提取，并使用預先基于深度學習神經網絡模型訓練好的分類器對提取到的微動特征進行識別。本發明具有實現方法簡單、能夠實現動態多目標微動特征的提取以及分類識別，且分類識別精度高、魯棒性好等優點。

技術領域

本發明涉及雷達目標特性檢測技術領域，尤其涉及一種針對復雜動態多目標微動信號智能處理方法及系統。

背景技術

雷達微多普勒效應就是指由目標微動對回波信號附加的頻率調制。目標微動包括目標的進動、章動，以及目標結構部件的旋轉、擺動等。作為一種重要的目標特性，微動特征在雷達目標探測與目標識別領域具有很高的軍用和民用價值，可有效提取地面目標、空中目標的運動特性和結構特征。隨著ISAR(逆向合成孔徑)雷達分辨力的提升，使用多普勒雷達進行目標微動特征的提取和精細化判讀已經成為了當前研究的熱點。而由于在復雜動態多目標背景下，多目標、多模態產生的微多普勒信息會在分析帶寬內產生嚴重混疊，在復雜動態多目標背景要實現目標微動特征的識別、解耦、分類處理目前仍然是充滿挑戰的前沿課題。

目前能夠針對動態多目標背景實現目標微動特征的有效識別的研究方案較少，這其中關鍵的多分量微多普勒信號解耦方法的分離效果通常都需要依賴于預先選定的參數和圖像骨架質量，并且存在泛化困難的問題。

作為機器學習領域的一個新研究方向，深度學習可以從大量的輸入數據中自學習有效的特征表示，從而自主提取有效的特征表示。利用深度學習技術，直接基于數據驅動實現對于微動特征的提取和分類具有廣闊的應用前景。針對微動目標特性，目前通常是僅是直接使用深度學習網絡方法來識別特定的單一目標特征，而動態多目標產生的微多普勒信息會在分析帶寬內產生嚴重混疊，直接使用該類單一的深度學習網絡方法要實現動態多目標的微動信號分類，不僅分類實現復雜，而且分類精度不高以及魯棒性不強，尤其是在強噪聲背景下識別率會迅速下降。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種實現方法簡單、能夠實現動態多目標微動特征的提取以及分類識別，且分類識別精度高、魯棒性好的針對復雜動態多目標微動信號智能處理方法及系統。

為解決上述技術問題，本發明提出的技術方案為：

.一種針對復雜動態多目標微動信號智能處理方法，步驟包括：

S1.雷達信號處理：獲取對多目標檢測的雷達回波并轉換為二維的時頻圖像；

S2.曲線分離：對所述時頻圖像中多目標多模態微動曲線進行目標級分離，分離出各單目標微動曲線；

S3.微動信號解耦：對各所述單目標微動曲線中所包含的各模態微動信號進行解耦，分解得到各模態微動信號；

S4.微動特征識別：對分解得到的所述各模態微動信號進行微動特征提取，并使用預先基于深度學習神經網絡模型訓練好的分類器對提取到的微動特征進行識別。

進一步的，所述步驟S1的步驟包括：

S101.對接收到的雷達回波信號做dechirp(去調頻)處理生成參考信號；

S102.將接收到的所述雷達回波信號與生成的所述參考信號在頻域做脈沖壓縮處理，形成目標一維距離像；

S103.對目標進行連續觀測，將連續觀測中得到的一系列所述一維目標距離像按時間順序排列，形成所述時頻圖像。

進一步的，所述步驟S2的步驟包括：