基于微多普勒特征的地面目标分类
李彦兵 杜兰 刘宏伟 丁苏颖 关永胜
西安电子科技大学雷达信号处理国家重点实验室 西安 710071
Ground Targets Classification Based on Micro-Doppler Effect
Li Yan-bing Du Lan Liu Hong-wei Ding Su-ying Guan Yong-sheng
National Lab of Radar Signal Processing, Xidian University, Xi’an 710071, China
摘要 轮式履带式车辆目标分类是低分辨雷达地面目标识别研究领域的一个难点。该文基于微多普勒效应原理建立了轮式履带式车辆的雷达回波模型,针对轮式履带式车辆微多普勒调制的不同,提出了一种基于CLEAN算法的特征提取方法,提取了一种描述目标多普勒谱能量分布的能量比特征。基于实测数据使用相关向量机(RVM)和支持向量机(SVM)的识别结果表明该特征具有较好的识别性能,同时对目标速度具有稳健性。
关键词 :
雷达目标识别 ,
微多普勒 ,
CLEAN算法 ,
相关向量机 ,
支持向量机
Abstract :Classification of track vehicle and wheel vehicle by using low-resolution radar echo is a challenging problem in radar ground target automatic classification community. This paper establishes an echo signal model for track vehicle and wheel vehicle based on micro-doppler effect. According to the echo signal model, a new feature extraction method is proposed by using the CLEAN algorithm. The feature reveals the energy distribution of the target doppler spectrum. The measured data results based on Relevance Vector Machine (RVM) and Support Vector Machine (SVM) show the proposed feature can not only achieve good classification performance, but also be robust to the target velocity.
Key words :
Radar automatic target recognition
Micro-Doppler effect
CLEAN algorithm
Relevance Vector Machine (RVM)
Support Vector Machine (SVM)
收稿日期: 2010-02-02
基金资助: 国家自然科学基金(60772140,60901067)和中央高校基本科研业务费专项资金联合资助课题
通讯作者:
杜兰
E-mail: dulan@mail.xidian.edu.cn
引用本文:
李彦兵, 杜兰, 刘宏伟, 丁苏颖, 关永胜. 基于微多普勒特征的地面目标分类[J]. 电子与信息学报, 2010, 32(12): 2848-2853.
Li Yan-Bing, Du Lan, Liu Hong-Wei, Ding Su-Ying, Guan Yong-Sheng. Ground Targets Classification Based on Micro-Doppler Effect. , 2010, 32(12): 2848-2853.
链接本文:
http://jeit.ie.ac.cn/CN/10.3724/SP.J.1146.2010.00128 或 http://jeit.ie.ac.cn/CN/Y2010/V32/I12/2848
[1]
李彬,李辉,郭淞云. 基于t分布扩展概率主成分分析模型的一维距离像识别方法 [J]. 电子与信息学报, 2017, 39(8): 1857-1864.
[2]
伊华伟,张付志,巢进波. 基于模糊核聚类和支持向量机的鲁棒协同推荐算法 [J]. 电子与信息学报, 2017, 39(8): 1942-1949.
[3]
蔡轶珩, 高旭蓉,邱长炎,崔益泽. 一种混合特征高效融合的视网膜血管分割方法 [J]. 电子与信息学报, 2017, 39(8): 1956-1963.
[4]
陈小龙,关键,于晓涵,何友. 基于短时稀疏时频分布的雷达目标微动特征提取及检测方法 [J]. 电子与信息学报, 2017, 39(5): 1017-1023.
[5]
李彦兵, 张曦文,李飞,陈大庆,高红卫. 一种大加速度机动目标微动参数估计方法 [J]. 电子与信息学报, 2017, 39(1): 82-87.
[6]
刘盛启,占荣辉,翟庆林,欧建平,张军. 基于联合稀疏性的多视全极化HRRP目标识别方法 [J]. 电子与信息学报, 2016, 38(7): 1724-1730.
[7]
胡站伟,焦立国,徐胜金,黄勇. 基于多尺度重采样思想的类指数核函数构造 [J]. 电子与信息学报, 2016, 38(7): 1689-1695.
[8]
李丽娜,马俊,龙跃,徐攀峰. 基于LANDMARC与压缩感知的双段式室内定位算法 [J]. 电子与信息学报, 2016, 38(7): 1631-1637.
[9]
刘成云,常发亮,陈振学. 基于感兴趣区域和HOG-MBLBP特征的交通标识检测 [J]. 电子与信息学报, 2016, 38(5): 1092-1098.
[10]
陈红, 蔡晓霞, 徐云,刘文涛. 基于多重分形特征的通信调制方式识别研究 [J]. 电子与信息学报, 2016, 38(4): 863-869.
[11]
黄宏图,毕笃彦, 高山, 查宇飞,侯志强. 基于局部敏感核稀疏表示的视频跟踪 [J]. 电子与信息学报, 2016, 38(4): 993-999.
[12]
王晓初,王士同,包芳, 蒋亦樟. 最小化类内距离和分类算法 [J]. 电子与信息学报, 2016, 38(3): 532-540.
[13]
张良,鲁梦梦,姜华. 局部分布信息增强的视觉单词描述与动作识别 [J]. 电子与信息学报, 2016, 38(3): 549-556.
[14]
陈素根,吴小俊. 基于特征值分解的中心支持向量机算法 [J]. 电子与信息学报, 2016, 38(3): 557-564.
[15]
陈春晖,张群,罗迎,孙玉雪. 一种空间微动目标宽带雷达干涉三维成像方法 [J]. 电子与信息学报, 2016, 38(12): 3144-3151.