基于M-D特征和Duffing振子的车辆目标分类方法

发布时间：2018-01-09 22:11

  本文关键词：基于M-D特征和Duffing振子的车辆目标分类方法　出处：《华中科技大学学报(自然科学版)》2017年08期 　论文类型：期刊论文

  更多相关文章： 车辆目标 微多普勒 Duffing振子 低信噪比 分类

【摘要】：针对低信噪比条件下履带式车辆和轮式车辆的分类问题,提出一种基于微多普勒(Micro-Doppler,MD)特征和Duffing振子的低信噪比条件下车辆目标分类方法.首先,基于窄带雷达对两类车辆目标进行回波建模,分析了两类车辆目标微多普勒特征的主要差异,然后利用Duffing振子系统检测微弱信号的性能优势,在低信噪比条件下基于Duffing振子实现了两类车辆目标较高精度的分类,最后基于实测数据验证了所提方法的有效性.
[Abstract]:Aiming at the classification of tracked vehicle and wheeled vehicle under low SNR, a micro-Doppler method based on micro-Doppler is proposed. The method of vehicle target classification under low signal-to-noise ratio (SNR) is proposed. Firstly, the echo modeling of two kinds of vehicle targets based on narrowband radar is carried out. The main differences of micro-Doppler characteristics between two kinds of vehicle targets are analyzed, and then the performance advantages of detecting weak signals by using Duffing oscillator system are analyzed. At the condition of low signal-to-noise ratio (SNR), two kinds of vehicle target classification with high accuracy are realized based on Duffing oscillator. Finally, the validity of the proposed method is verified based on the measured data.
【作者单位】： 空军工程大学信息与导航学院;中国人民解放军边防学院训练部;复旦大学电磁波信息科学教育部重点实验室;
【基金】：国家自然科学基金资助项目(61471386) 陕西省统筹创新工程-特色产业创新链项目(2015KTTSGY04-06) 陕西省青年科技新星项目(2016KJXX-49)
【分类号】：TN957.51
【正文快照】： 在现代战场环境中,轮式车辆和履带式车辆的功能及承担的任务不同,其威胁程度也存在明显差异.因此对两类车辆目标进行分类识别在现代战争中具有重要意义[1-2].目标或目标部件的微动会对雷达回波产生关于目标主体的多普勒谱边带,这种现象称为微多普勒(Micro-Doppler,M-D)效应[3]

【相似文献】

相关期刊论文 前10条

1 D.Giuli;M.Gherardelli;M.Fossi;王德纯;;用极化判别进行目标分类和识别[J];现代雷达;1987年02期

2 A. Farina;A. Visconti;陈振邦;;利用多重假设测试法对雷达目标分类[J];国外舰船技术.雷达与对抗;1988年Z1期

3 J.S.陈;E.K.沃尔顿;陈振邦;;两种目标分类技术的比较[J];国外舰船技术.雷达与对抗;1987年04期

4 杜思伟;林家骏;苏永明;;基于条件证据更新的机动目标分类[J];华东理工大学学报(自然科学版);2012年04期

5 郭雷,肖怀铁,付强;基于支持矢量机特征空间距离的多目标分类方法[J];计算机仿真;2005年09期

6 张汉华,王伟,姜卫东,陈曾平,庄钊文;基于时间谱信息的低分辨雷达飞机目标分类[J];系统工程与电子技术;2004年04期

7 王强光;伍铁军;;智能监控系统中的运动目标分类方法研究[J];工业控制计算机;2011年01期

8 林幼权;;球载雷达目标分类与识别技术研究[J];现代雷达;2011年07期

9 寇英信;王琳;全勇;;自组织特征映射网络在目标分类识别中的应用[J];火力与指挥控制;2009年01期

10 刘佶鑫;孙权森;曹国;;压缩感知稀疏识别用于多视角图像目标分类[J];应用科学学报;2013年02期

相关会议论文 前7条

1 朱靖;王晓博;王国宏;;一种基于高度信息的目标分类方法[A];全国第二届信号处理与应用学术会议专刊[C];2008年

2 周维;庄连生;俞能海;;小规模和非平衡数据下的目标分类[A];第十四届全国图象图形学学术会议论文集[C];2008年

3 卢家楣;刘伟;贺雯;;课堂教学的情感目标分类与测评[A];第十一届全国心理学学术会议论文摘要集[C];2007年

4 计科峰;高贵;贾承丽;匡纲要;粟毅;;一种利用方位角信息基于峰值匹配的SAR图像目标分类方法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

5 任皓;计科峰;张爱兵;周石琳;;一种利用方位角信息的SAR目标分类方法[A];第七届全国信息获取与处理学术会议论文集[C];2009年

6 王晓静;原达;李道凯;;应用Krawtchouk矩和SVM的运动目标分类技术[A];第五届全国几何设计与计算学术会议论文集[C];2011年

7 丘昌镇;任皓;邹焕新;周石琳;;基于PCA和2D-PCA特征的SAR图像目标分类性能比较[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

相关博士学位论文 前2条

1 梁鹏;基于内容的目标分类识别关键技术研究[D];华南理工大学;2011年

2 王世f^;面向SAR图像目标分类的关键技术研究[D];国防科学技术大学;2008年

相关硕士学位论文 前10条

1 万潇婷;与位置无关的室内多静止目标分类方法研究[D];南昌大学;2015年

2 张恒;WSN监测系统中目标分类与多目标定位的研究[D];国防科学技术大学;2013年

3 李玮璐;基于JEM效应的飞机目标分类方法研究[D];西安电子科技大学;2014年

4 赵紫蕙;微多普勒效应在飞机目标分类中的应用研究[D];西安电子科技大学;2014年

5 田星华;窄带雷达车辆目标分类方法及实现[D];西安电子科技大学;2014年

6 蔡利;智能视频监控中运动目标的分类识别研究[D];南京邮电大学;2015年

7 顾婷婷;智能视频监控平台中运动目标分类的研究与实现[D];南京邮电大学;2015年

8 郭倩;基于视觉词包模型的大规模目标分类和检索[D];河南大学;2015年

9 都期望;基于MPEG-7标准的海上移动目标分类方法研究[D];大连海事大学;2016年

10 胡碧莹;基于稀疏表示的图像目标分类方法研究[D];北京交通大学;2016年

，

本文编号：1402715