窄帶雷達車輛目標分類方法及實現(xiàn).pdf

1、隨著雷達技術(shù)的發(fā)展，雷達自動目標識別已經(jīng)成為了未來雷達發(fā)展的方向。窄帶雷達的探測距離遠，并且在我國裝備的數(shù)量較多，所以對窄帶雷達目標分類具有重要意義。另一方面，窄帶雷達的分辨率較低，目標回波包含的信息較少，對目標進行識別的難度大。而在地面運動的輪式車輛和履帶車輛目標，由于它們的驅(qū)動方式不同，車身相對旋轉(zhuǎn)部件不一樣，導(dǎo)致二者的微多普勒回波有較大差異，可以用此特征進行分類。本文即圍繞窄帶雷達條件下的運動車輛目標分類問題進行了研究，主要內(nèi)容可

2、以概括為以下三方面：
　　1.對運動車輛目標的微多普勒效應(yīng)進行介紹，給出了車輛目標的微多普勒模型。首先對于旋轉(zhuǎn)單散射點的微運動進行了介紹，給出了其微多普勒信號模型的數(shù)學(xué)表達式。在此基礎(chǔ)上，給出了旋轉(zhuǎn)體的微運動模型，并且依據(jù)模型的數(shù)學(xué)表達式指出了影響目標的微多普勒信號的相關(guān)變量。針對車輛目標的運動特點，進一步給出了車輪與履帶的微多普勒模型，從二者模型的數(shù)學(xué)表達式上推導(dǎo)出微多普勒信號的差異之處。通過對實測的車輛目標雷達回波信號進行分析

3、，指出了輪式車輛和履帶式車輛回波的差異。
　　2.針對運動車輛目標的分類識別流程，對一些通用的信號處理方法以及分類方法進行了研究。在目標回波的雜波抑制方面，分別介紹了基于脈沖對消MTI、基于CLEAN算法和基于廣義匹配濾波器的雜波抑制方法，通過對比各種方法的雜波抑制效果，介紹了各方法的優(yōu)缺點。在目標識別特征的提取方面，介紹了基于多普勒分布特征和能量分布特征的提取方法，通過對真實目標進行分類，給出了各種特征的分類效果。在分類算法的選

4、擇方面，介紹了LDC、KNN、SVM三種分類算法，通過對各算法的分析比較，給出了各種不同分類算法的適用條件。
　　3.對于窄帶雷達運動車輛目標的分類識別，在DSP上進行了硬件工程的實現(xiàn)。在上述分析的目標分類識別的各種實現(xiàn)方法的基礎(chǔ)上，綜合考慮目標分類效果以及工程的實時性需求，選用合適的方法進行目標分類系統(tǒng)的設(shè)計，然后分析了DSP上硬件工程各模塊的設(shè)計。最后，通過分析硬件分類系統(tǒng)的運算精度、運算時間和分類效果，驗證了該窄帶雷達運動車