一种基于时频分析的窄带雷达飞机目标分类特征提取方法

doi:10.11999/JEIT161204

摘要
图/表
参考文献(15)
相关文章 (15)

全文: PDF (1255 KB)
输出: BibTeX | EndNote (RIS)

摘要

针对低信噪比情况下窄带雷达目标分类问题，该文提出基于时频分析的窄带雷达飞机目标分类特征提取方法。该方法利用喷气式飞机、螺旋桨飞机和直升机3类目标调制周期的差异，提取时频谱域的熵值变化特性，并给出时频分析中窗函数长度的优化选择方法。基于仿真和实测数据的实验结果表明，该文方法可以在低信噪比情况下显著提升飞机目标正确分类概率。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	赵越
	陈之纯
	纠博
	张磊
	刘宏伟
	李真芳

关键词 ：目标分类, 时频分析, 特征提取, 低信噪比, 熵值

Abstract：A new feature extraction method based on time-frequency analysis is proposed for aircraft targets classification under low signal-to-noise ratio. This method uses the variances of time-domain modulation periods of jet aircraft, propeller aircraft and helicopter to extract the variation of entropy in the time-frequency domain and gives a way to select optimal window lengths. Experimental result based on simulated data and measured data demonstrates that the proposed method can significantly improve the classification probability of aircraft targets under low signal-to-noise ratio.

Key words： Targets classification Time-frequency analysis Feature extraction Low signal-to-noise ratio Entropy

收稿日期: 2016-11-08 出版日期: 2017-06-30

PACS:

TN959.1

基金资助:

国家自然科学基金(61671351)，国家杰出青年科学基金(61525105)

通讯作者: 纠博：男，1982年生，博士，副教授，博士生导师，研究方向为自适应信号处理、雷达自动目标识别、认知雷达. E-mail: bojiu@mail.xidian.edu.cn

作者简介: 赵越：男，1989年生，博士生，研究方向为ISAR高分辨成像、雷达自动目标识别. 陈之纯：男，1963年生，研究员，研究方向为航天测控通信和时间测量技术. 纠博：男，1982年生，博士，副教授，博士生导师，研究方向为自适应信号处理、雷达自动目标识别、认知雷达. 张磊：男，1984年生，博士，副教授，研究方向为SAR、ISAR高分辨成像与运动补偿. 刘宏伟：男，1973年生，博士，教授，博士生导师，研究方向为雷达信号处理、MIMO雷达、雷达目标识别、自适应信号处理、认知雷达等. 李真芳：男，1977年生，博士，教授，博士生导师，研究方向为SAR干涉系统设计.

引用本文:

赵越,陈之纯,纠博,张磊,刘宏伟,李真芳. 一种基于时频分析的窄带雷达飞机目标分类特征提取方法[J]. 电子与信息学报, 2017, 39(9): 2225-2231. ZHAO Yue, CHEN Zhichun, JIU Bo, ZHANG Lei, LIU Hongwei, LI Zhenfang. Narrowband Aircraft Targets Feature Extraction and Classification Based on Time-frequency Analysis. JEIT, 2017, 39(9): 2225-2231.

链接本文:

http://jeit.ie.ac.cn/CN/10.11999/JEIT161204 或 http://jeit.ie.ac.cn/CN/Y2017/V39/I9/2225

[1]	CHEN V C. The Micro-Doppler Effect in Radar[M]. USA, Artech House, 2011: 18-22.
[2]	CHEN V C, FAYIN L, SHENSHYANG H, et al. Micro- Doppler effect in radar: Phenomenon, model, and simulation study[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(1): 2-21. doi: 10.1109/TAES.2006. 1603402.
[3]	杨守峰, 吴海坤, 王晓, 等. 低分辨雷达目标调制特征提取和分类识别方法[J]. 电子信息对抗技术, 2015, 30(4): 15-20. doi: 10.3969/j.issn.1674-2230.2015.04.004.
	YANG Shoufeng, WU Haikun, WANG Xiao, et al. Target feature extraction and recognition based on low-resolution radar[J]. Electronic Warfare Technology, 2015, 30(4): 15-20. doi: 10.3969/j.issn.1674-2230.2015.04.004.
[4]	符婷. 基于微多普勒特征的目标分类方法研究[D]. [硕士论文], 西安电子科技大学, 2011.
	FU Ting. Research on classification of target based on Micro-Doppler[D]. [Master dissertation], Xidian University, 2011.
[5]	关永胜, 左群声, 刘宏伟. 基于微多普勒特征的空间锥体目标识别[J]. 电波科学学报, 2011, 26(2): 209-215. doi: 10.13443 /j.cjors.2011.02.028.
	GUAN Yongsheng, ZUO Qunsheng, and LIU Hongwei. Micro-Doppler signature based cone-shaped target recognition[J]. Chinese Journal of Radio Science, 2011, 26(2): 209-215. doi: 10.13443/j.cjors.2011.02.023.
[6]	关永胜, 左群声. 基于特征谱的空间锥体目标识别方法[J]. 中国电子科学研究院学报, 2014, 9(2): 556-559. doi: 10.3969/ j.issn.1673-5692.2014.02.010.
	GUAN Yongsheng and ZUO Qunsheng. Eigenvalue spectrum signature based cone-shaped target recognition[J]. Journal of China Academy of Electronics and Information Technology, 2014, 9(2): 556-559. doi: 10.3969/j.issn. 1673-5692.2014.02. 010.
[7]	陈凤, 刘宏伟, 杜兰, 等. 基于特征谱散布特征的低分辨雷达目标分类方法[J]. 中国科学(信息科学), 2010, 40(4): 624-636.
[8]	杜兰, 李林森, 李玮璐, 等. 基于时域回波相关性特征的飞机目标分类方法[J]. 雷达学报, 2015, 4(6): 621-629. doi: 10.12000/JR15117.
	DU Lan, LI Linsen, LI Weilu, et al. Aircraft target classification based on correlation features from time-domain echoes[J]. Journal of Radars, 2015, 4(6): 621-629. doi: 10. 12000/JR15117.
[9]	庞存锁, 刘磊, 单涛. 基于短时分数阶傅里叶变换的时频分析方法[J]. 电子学报, 2014, 42(2): 347-352. doi: 10.3969/j.issn. 0372-2112.2014.02.021.
	PANG Cunsuo, LIU Lei, and SHAN Tao. Time-frequency analysis method based on short-time fractional fourier Transform[J]. Acta Electronica Sinica, 2014, 42(2): 347-352. doi: 10.3969/j.issn.0372-2112.2014.02.021.
[10]	李庆忠, 李瑞芹, 黎明, 等. 基于时频分析的高频地波雷达目标检测算法[J]. 电波科学学报, 2015, 30(5): 943-950. doi: 10.13443/j.cjors.2014112701.
	LI Qingzhong, LI Ruiqin, LI Ming, et al. A target detection algorithm of HFSWR based on time-frequency analysis[J]. Chinese Journal of Radio Science, 2015, 30(5): 943-950. doi: 10.13443/j.cjors.2014112701.
[11]	俞万友, 杨广玉, 赵洪立. 基于多普勒谱特征分析的舰船长度分析[J]. 雷达科学与技术, 2015, 13(5): 522-526. doi: 10.3969/ j.issn.1672-2337.2015.05.013.
	YU Wanyou, YANG Guangyu, and ZHAO Hongli. A new method for ship length estimation based on Doppler spectrum analysis[J]. Radar Science and Technology, 2015, 13(5): 522-526. doi: 10.3969/j.issn.1672-2337.2015.05.013.
[12]	张艳丽. 高维数据下的判别分析及模型选择方法[D]. [博士论文], 山东大学, 2015.
	ZHANG Yanli. Discriminant analysis and model selection method for high dimensional data[D]. [Ph.D. dissertation], Shandong University, 2015.
[13]	韩勋, 杜兰, 刘宏伟, 等. 基于时频分布的空间锥体目标微动形式分类[J]. 系统工程与电子技术, 2013, 35(4): 684-691. doi: 10.3969/j.issn.1001-506X.2013.04.02.
	HAN Xun, DU Lan, LIU Hongwei, et al. Classification of micro-motion form of space cone-shaped objects based on time-frequency distribution[J]. System Engineering and Electronics, 2013, 35(4): 684-691. doi: 10.3969/j.issn.1001- 506X.2013.04.02.
[14]	CHRYSOSTOMOU C and SEKER H. Structural classification of protein sequences based on signal processing and support vector machines[C]. IEEE Engineering in Medicine and Biology Society, Orlando, FL, USA, 2016: 3088-3091. doi: 10.1109/EMBC.2016.7591382.
[15]	PANTELIS B, SERGIOS T, CHARALAMPOS M, et al. Complex support vector machines for regression and quaternary classification[J]. IEEE Transactions on Neural Networks and Learning Systems, 2015, 26(6): 1260-1274. doi: 10.1109/TNNLS.2014.2336679.