基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法

发布时间：2021-04-18 20:15

　　雷达回波中的微多普勒效应能够反映目标的几何结构和运动特性,作为目标独一无二的特征,能够用来实现对目标类别和属性的判断。波长的优势使激光雷达相对于微波雷达具备更好的微多普勒探测精度。针对空中飞机目标（直升机、螺旋桨飞机）回波中微多普勒调制能量较弱,易被噪声污染的问题,提一种基于PCA-CLEAN的噪声稳健激光微多普勒特征提取方法,首先利用PCA对回波信号进行噪声抑制,然后利用CLEAN算法将回波中的机身分量和微动分量区分开,进而提取反映不同目标微动差异的三维特征进行目标分类,基于仿真和实测数据的实验结果表明,所提方法能够获得较好的分类性能,同时在低信噪比条件下能够获得较好的噪声抑制性能。 

【文章来源】：激光与红外. 2020,50(11)北大核心CSCD

【文章页数】：9 页

【部分图文】：

不同信噪比条件下四种方法的分类性能(仿真数据)

图10给出对实测数据添加不同信噪比高斯白噪声后,利用PCA-CLEAN算法进行噪声抑制及分类的结果,可以看出利用PCA进行噪声抑制后,能够明显提升CLEAN提取特征在低信噪比条件下的分类性能。6 总 结

图1给出了仿真得到的直升机和螺旋桨飞机的激光探测回波时频图,并在图中对微动分量、机身分量及“闪烁”现象进行了标注[8]。可以看出两类飞机的雷达回波中微多普勒调制分量存在明显的差异。仿真结果与文献[5]中雷达实测数据一致,表明上述模型符合实际情况。同时从图1可以看出,机身分量在回波中占据主要能量,微动分量较弱,如果直接对回波信号进行特征提取,将会导致三类目标微动分量的差异不能在特征中充分的体现,因此在特征提取前需要将机身分量与微动分量分离。3 基于CLEAN算法的特征提取

【参考文献】：
期刊论文
[1]典型旋翼形状参数微多普勒激光探测计算方法[J]. 王云鹏,胡以华,雷武虎,郭力仁.  红外与激光工程. 2018(09)
[2]基于激光回波时频图纹理特征的飞机目标分类方法[J]. 王云鹏,胡以华,雷武虎,郭力仁.  光学学报. 2017(11)
[3]基于贝塞尔函数基信号分解的微动群目标特征提取方法[J]. 张群,何其芳,罗迎.  电子与信息学报. 2016(12)
[4]旋翼叶片回波建模与闪烁现象机理分析[J]. 陈永彬,李少东,杨军,曹芙蓉.  物理学报. 2016(13)
[5]基于时域回波相关性特征的飞机目标分类方法[J]. 杜兰,李林森,李玮璐,王宝帅,史蕙若.  雷达学报. 2015(06)
[6]相干激光雷达探测目标研究[J]. 张鹏飞,潘静岩,张涛,李丽,董光焰.  激光与红外. 2015(07)
[7]基于希尔伯特-黄变换的激光微多普勒信号分析与特征提取[J]. 彭明金,李智.  中国激光. 2013(08)
[8]基于经验模态分解的空中飞机目标分类[J]. 王宝帅,杜兰,刘宏伟,李彦兵,冯博.  电子与信息学报. 2012(09)
[9]逆合成孔径成像激光雷达微多普勒特征分析[J]. 王硕,何劲,杨小优,罗迎.  激光与红外. 2011(05)
[10]转动目标光学微多普勒效应的仿真研究[J]. 王学勤,原帅,张骏,江荣熙.  激光与红外. 2007(11)

博士论文
[1]基于微多普勒效应的空中飞机目标分类研究[D]. 王宝帅.西安电子科技大学 2015



本文编号：3146106