基于经验模态分解的运动车辆目标分类方法.pdf

(19)中华人民共和国国家知识产权局*CN102184382A*(12)发明专利申请(10)申请公布号CN102184382A(43)申请公布日2011.09.14(21)申请号201110089256.0(22)申请日2011.04.11(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人刘宏伟李彦兵(74)专利代理机构陕西电子工业专利中心61205代理人王品华朱红星(51)Int.Cl.G06K9/00(2006.01)G06K9/66(2006.01)权利要求书2页说明书6页附图3页(54)发明名称基于经验模态分解的运动车辆目标分类方法(57)摘要本发明公开了一种基于经验模态分解的运动车辆目标分类方法，主要解决现有同类方法对目标平动速度变化敏感，需要额外的杂波抑制，且不能利用目标特殊结构信息的问题。其实现过程是：对多普勒回波信号进行经验模态分解；通过舍弃余项完成杂波抑制；利用分解结果定义第一本征模函数多普勒谱和剩余本征模函数多普勒谱；根据定义的谱判断是否存在2倍平动微多普勒成分，初步判别履带式车辆；若未能判别，则对本征模函数以及定义的谱提取特征；对提取的特征使用分类器进行分类。本发明可消除目标平动速度变化对目标多普勒谱位置和谱宽度的影响，自动进行杂波抑制，利用履带特殊结构信息，可用于对具有机动部件的运动车辆目标进行分类。CN102843ACCNN110218438202184386A权利要求书1/2页1.一种基于经验模态分解的运动车辆目标分类方法，包括如下步骤：1)对目标的多普勒回波信号s＝{s1，s2，...，sN}进行经验模态分解，得到一个余项rL和L个本征模函数mα，其中si为多普勒回波信号s第i点的值，i＝1，2，...，N，N为脉冲积累数，α＝1，2，...，L，L为本征模函数个数；2)舍弃余项rL完成杂波抑制功能；3)定义第一本征模函数多普勒谱：M1＝|fft[m1]|和剩余本征模函数多普勒谱：其中，m1为第一本征模函数，fft[·]代表快速傅立叶变换，|·|代表取模运算；4)根据定义的第一本征模函数多普勒谱M1和剩余本征模函数多普勒谱Mr判断多普勒回波信号s中是否存在2倍平动微多普勒成分，当第一本征模函数多普勒谱M1和剩余本征模函数多普勒谱Mr之间同时满足：|position[M1]-2×position[Mr]|＜ε，energy[M1]＜energy[Mr]和max[M1]＜max[Mr]三个条件时，判定在多普勒回波信号s中检测到2倍平动微多普勒成分，且将目标判为履带式车辆，式中position[·]代表取峰值位置运算，ε为一个正数，用于位置误差控制，energy[·]代表取能量运算，max[·]代表取最大值运算；5)对在多普勒回波信号s中未检测到2倍平动微多普勒成分，根据L个本征模函数mα，α＝1，2，...，L，以及定义的第一本征模函数多普勒谱M1和剩余本征模函数多普勒谱Mr，提取如下六种特征：第一本征模函数多普勒谱与剩余本征模函数多普勒谱的峰值比：feature1＝max[Mr]/max[M1]；第一本征模函数多普勒谱与剩余本征模函数多普勒谱的能量比：feature2＝energy[Mr]/energy[M1]；第一本征模函数多普勒谱熵值：feature3＝entropy[M1]；第一本征模函数多普勒谱最大频率分量与次大频率分量幅度比：feature4＝max[clean[M1]]/max[clean_r[M1]]；第一本征模函数多普勒谱最大频率分量与次大频率分量能量比：feature5＝energy[clean[M1]]/energy[clean_r[M1]]；占经验模态分解总能量95％以上的本征模函数个数：式中entropy[·]代表熵运算，clean[·]与clean_r[·]分别代表使用CLEAN算法提取的幅度最大的单频信号以及剩余信号，arg(·)为取标号运算；6)将提取的六种特征作为分类器的输入，根据分类器的输出判定车辆类别。2.根据权利要求1所述的运动车辆目标分类方法，其中步骤1)所述的对目标的多普勒回波信号s＝{s1，s2，...，sN}进行经验模态分解，具体步骤如下：1a)定义临时信号x＝s；1b)对临时信号x进行逐点搜索，记录下临时信号x的所有极值点；1c)对于临时信号x的极小值点和极大值点进行插值，得到临时信号x的下包络emin和上包络emax；2CCNN110218438202184386A权利要求书2/2页1d)计算临时信号x的包络均值：1e)从临时信号x中减去包络均值，得到新的信号snew＝x-eav，并更新临时信号x＝snew；重复步骤2b)至2e)，直到新的信号snew成为本征模函数，得到第一个本征模函数m1＝snew和剩余信号r1＝