基于Hough变换的卷积神经网络下微多普勒目标分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN108459311A(43)申请公布日2018.08.28(21)申请号201810240475.6(22)申请日2018.03.22(71)申请人三明学院地址365000福建省三明市三元区荆东路25号(72)发明人邱思杰龙振弘伍坪邱丽梅马豪刘春明(74)专利代理机构福州旭辰知识产权代理事务所(普通合伙)35233代理人程春宝(51)Int.Cl.G01S7/41(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书1页说明书8页附图6页(54)发明名称基于Hough变换的卷积神经网络下微多普勒目标分类方法(57)摘要本发明提供了一种基于Hough变换的卷积神经网络下微多普勒目标分类方法，所述方法为：通过雷达获取人体和轮式车辆的雷达回波信号，所述人体和轮式车辆的雷达回波信号是经过去杂波、降频到音频段的雷达回波信号，对雷达回波信号进行Wigner-Villie时频分析，然后对时频分析获得的谱图数据进行Hough变换直线检测，对检测到的直线进行标识，最后将谱图数据送到卷积神经网络中进行分类识别，从而识别出是人体还是轮式车辆。本发明提高了目标分类的准确率，且目标分类操作的耗时大幅度减少。CN108459311ACN108459311A权利要求书1/1页1.一种基于Hough变换的卷积神经网络下微多普勒目标分类方法，其特征在于：所述方法为：通过雷达获取人体和轮式车辆的雷达回波信号，所述人体和轮式车辆的雷达回波信号是经过去杂波、降频到音频段的雷达回波信号，对雷达回波信号进行Wigner-Villie时频分析，然后对时频分析获得的谱图数据进行Hough变换直线检测，对检测到的直线进行标识，最后将谱图数据送到卷积神经网络中进行分类识别，从而识别出是人体还是轮式车辆。2.根据权利要求1所述的一种基于Hough变换的卷积神经网络下微多普勒目标分类方法，其特征在于：所述方法进一步为：单兵雷达收集了人体和轮式车辆分别在飞机场和公路上的实测数据，采集到的数据是对固定目标抵消以及运动目标检测算法后，降频到音频段来获得雷达回波信号；其中，人体的运动雷达回波分析是：人行走时人体的重心是上下摆动的，因而人体躯干的平移分量是随时间周期性变化的，人体的四肢在躯干平移的基础上有相对的摆动，摆动的幅度与四肢的长度、摆动频率、平移速度有关；设摆动幅度为A0，摆动频率为ω0，摆动的初始角为μ0，则人体的微运动可用如下公式表示:A0sin(ω0t+μ0)，由该公式得出人体的微运动是随时间呈三角函数变化的；轮式车辆运动的雷达回波分析是：轮式车辆运动能分解为车身的平动加上轮胎转动的微运动，因此轮式车辆的多普勒信号由两部分组成，第一部分是反映车身平动的多普勒信号，第二部分是反映轮胎旋转的多普勒信号；当车身速度为V时，车辆的微动结构与车身的相对速度分布在[-ν,ν]之间；因此，人体和轮式车辆，微动部件分别为四肢和橡胶轮胎，微动时差异性明显，这种差异性在多普勒域中以微多普勒分量的形式体现出来；即人体躯干和轮式车辆的车身运动的雷达回波在回波总能量中的占比较大，四肢摆动和轮胎转动所造成的微动能量在回波总能量中的占比较小。3.根据权利要求1所述的一种基于Hough变换的卷积神经网络下微多普勒目标分类方法，其特征在于：对Wigner-Ville算法分析后的时频图进行Hough变换，所述Hough变换是图像处理中的一种特征提取技术，通过检测具有特定形状的物体，该检测过程在一个参数空间中通过计算累计结果的局部最大值得到一个符合该特定形状的集合作为Hough变换结果，对Hough变换结果中检测到图像的直线进行标识，把这些雷达回波能量集中的图像作分解成32×32像素，然后将32×32像素的图像送到卷积神经网络中进行分类识别。2CN108459311A说明书1/8页基于Hough变换的卷积神经网络下微多普勒目标分类方法技术领域[0001]本发明涉及雷达技术领域，特别是基于Hough变换的卷积神经网络下微多普勒目标分类方法。背景技术[0002]当目标在雷达视线方向有相对速度并被雷达照射到时，雷达反射波的载频会发生调制现象，这种现象称为多普勒频移，载频的偏移量就是目标的多普勒频率。同时，如果目标除了自身的平动外还有其他部件相对于自身平动的摆动、转动等微运动，这些微运动会产生目标多普勒频率附近的副边带，这些副边带被称为微多普勒频率。[0003]在实际应用中，地面战场侦察雷达不仅需要完成目标的探测，更总要的是对目标属性进行分类识别。目前，主要还是靠有经验的士兵对目标的微多普勒特征进行辨别，给雷达操纵员增加了很大负担；其识别准确率受人为的随机性很大。因此，对