一种复杂运动目标微多普勒特征提取方法及系统.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CN112130142A(43)申请公布日2020.12.25(21)申请号202011027374.4(22)申请日2020.09.25(71)申请人中南大学地址410083湖南省长沙市麓山南路932号(72)发明人杨德贵彭正红王浩朱政亮陈溅来王行(74)专利代理机构湖南兆弘专利事务所(普通合伙)43008代理人周长清胡君(51)Int.Cl.G01S13/88(2006.01)权利要求书2页说明书8页附图2页(54)发明名称一种复杂运动目标微多普勒特征提取方法及系统(57)摘要本发明公开一种复杂运动目标微多普勒特征提取方法，步骤包括：S1.获取对运动目标检测的雷达回波信号并转化为二维的时频图像；S2.对时频图像进行骨架提取，得到目标不同散射点的微多普勒曲线；步骤S3.对目标不同散射点的微多普勒曲线进行曲线估计，逐条分离出各单个散射点的微多普勒曲线，其中对于存在交叠区间的曲线估计时，根据交叠区间附近的曲线变化趋势判断出端点，并使用插值算法估计交叠区间内值；步骤S4.分别对步骤S3得到的各单个散射点的微多普勒曲线进行模态分解，提取出目标各散射点的微动特征。本发明能够实现复杂运动目标的微动普勒曲线分离与特征提取，且具有实现方法简单、提取精度及效率高且灵活性强等优点。CN112130142ACN112130142A权利要求书1/2页1.一种复杂运动目标微多普勒特征提取方法，其特征在于，步骤包括：步骤S1.雷达信号处理：获取对运动目标检测的雷达回波信号并转化为二维的时频图像；步骤S2.骨架提取：对所述时频图像进行骨架提取以将微多普勒曲线进行二值化处理，得到目标不同散射点的微多普勒曲线；步骤S3.曲线估计：对步骤S2得到的目标不同散射点的微多普勒曲线进行曲线估计，逐条分离出各单个散射点的微多普勒曲线，其中对于存在交叠区间的曲线估计时，根据所述交叠区间附近的曲线变化趋势判断出端点，并使用插值算法估计所述交叠区间内值；步骤S4.特征提取：分别对步骤S3得到的各单个散射点的微多普勒曲线进行模态分解，提取出目标各散射点的微动特征。2.根据权利要求1所述的复杂运动目标微多普勒特征提取方法，其特征在于，所述步骤S3的步骤包括：S301.曲线数量计算：根据所述目标不同散射点的微多普勒曲线的数据中每列极值点数量出现的概率，计算需分离微多普勒曲线的曲线数量c_n；S302.交叠区间判断：按列遍历所有数据，根据每列数据中极值点的数量与所述曲线数量c_n之间的大小关系以及相邻曲线间的距离，判断出所有的交叠区间以及非交叠区间；S303.曲线判断估计：按列遍历所有数据，若为所述非交叠区间，根据曲线光滑状态进行判断估计，若为交叠区间，根据当前交叠区间附近的曲线变化趋势判断当前交叠区间右端点的值，当判断出当前交叠区间的右端点时使用插值算法估计当前交叠区间内的值。3.根据权利要求2所述的复杂运动目标微多普勒特征提取方法，其特征在于，所述步骤S302中按列遍历所有数据时，具体计算每列数据中极值点的数量并判断与所述曲线数量c_n之间的大小，当目标列中极值点的数量小于所述曲线数量c_n时，判定目标列为所述交叠区间，并清除目标列数据；当目标列中极值点的数量大于所述曲线数量c_n时，剔除目标列中多余极值点；当目标列中极值点的数量等于所述曲线数量c_n时，判断相邻两条曲线之间的距离，若小于预设阈值ΔmD，则判定目标列为所述交叠区间，并清除目标列数据，将所述交叠区间的左、右端点对应列数分别存储。4.根据权利要求2所述的复杂运动目标微多普勒特征提取方法，其特征在于，所述步骤S303中对非交叠区间的曲线进行估计时，具体对第一列数据逐个提取极值点对应的行序号；对于第二列数据，计算该列所有极值点行序号与第一列点的差值，最小差值对应的极值点即为当前列曲线的点，记录该点行序号，即提取出当前曲线值；对于第三列到第i0列数据，其中i0为固定区间的长度以用于表征曲线在该区间内的光滑程度，计算当前列所有极值点行序号和前一列提取出的曲线值的差值，以及当前列与第一列之间所有相邻两点差值平均值，并比较两者的大小，绝对值最小值所对应的极值点为当前列曲线的点，记录行序号，即提取出当前曲线值；对于第i0列至最后一列数据，计算当前列所有极值点行序号和前一列提取出的曲线值的差值，以及从当前列到之前距离为i0的列之间所有相邻两点之间差值的平均值，并比较两者大小，绝对值最小值所对应的极值点为当前列曲线的点，记录行序号的值，即提取出当前曲线值。5.根据权利要求2所述的复杂运动目标微多普勒特征提取方法，其特征在于，所述步骤S303中对交叠区间的曲线进行估计时，具体若交叠区间前与交叠区间长度相同的区间内曲2CN112130142A权利要求书2/2页线是