地面車輛目標分類方法研究及軟件設計.pdf

1、隨著各項技術的發(fā)展，現(xiàn)代雷達的功能更加強大，也更加能適應現(xiàn)代化戰(zhàn)爭的要求。其中，雷達目標識別技術也得到了相應的發(fā)展，各種新體制雷達的成功研發(fā)和應用有利于更好的進行目標識別。但是，現(xiàn)役雷達中仍有較多數量的舊體制雷達，如何利用其實現(xiàn)目標識別，而不是通過新體制雷達，這在當前情況下是很有意義的研究課題。很多學者從多個方面對這一課題進行了研究，其中，較為有效的一種方法是利用微多普勒效應。微多普勒效應產生的原因是組成目標物體的結構部分除了有與整體相

2、同的運動以外，還有其自身的運動。對于產生微多普勒效應的部件來說，其幾何結構、運動形式、組成材質等決定了其回波的頻率和幅度。
　　對于在較為理想的情況下采集的數據來說，根據微多普勒效應提取特征進行分類，可以達到比較理想的分類效果。但是，實際情況往往不是理想的。如果目標距離較遠，此時采集的數據信噪比低，提取同樣的特征進行分類，不能得到理想的分類效果，這時，需要對相關信息進行去噪處理；又如果目標被遮擋，尤其是產生微多普勒效應的部分被遮擋

3、，此時分類效果同樣不理想，這時，考慮連續(xù)幀信號之間的聯(lián)系，可以采用融合的方法對信息進行處理。
　　本文的主要工作一是在已有的研究基礎上，更進一步研究了窄帶雷達目標識別過程中的去噪處理和信息融合問題，以實現(xiàn)穩(wěn)健分類；二是設計和實現(xiàn)了基于窄帶雷達地面運動目標分類輔助設計軟件。
　　第一部分主要介紹了本文的理論基礎，首先給出并分析了輪式和履帶式車輛的微動模型；其次，基于對實測數據的分析，介紹了兩種雜波抑制方法；然后，介紹了兩種特征

4、提取方法并進行了對比，這兩種方法都是基于微多普勒效應的；最后，簡要介紹了支持向量機分類器的基本原理，這是本文主要用到的分類器。
　　第二部分主要研究了輪式和履帶式車輛的分類性能的提升問題，首先基于之前的研究，介紹了兩種噪聲修正方法，并用實測數據觀察其效果；然后，研究了信息融合問題，主要實現(xiàn)了回波信號在特征層的融合，特征層融合介于數據層融合和決策層融合之間，信息損失量較小，也有一定的靈活性。本文重點研究了特征層融合的權值優(yōu)化問題，并