基于功率譜估計的雷達氣動目標分類方法

王曙光+田西蘭

摘要：氣動目標空氣動力類型分類具有重要的軍事價值。本文提出了一種基于功率譜估計的雷達氣動目標分類方法。在功率譜上提取特征，實現直升機、螺旋槳、噴氣式的分類。分類結果表明該方法具有較好的效果。

關鍵詞：雷達；氣動目標分類；功率譜估計

中圖分類號：TN957 文獻標識碼：A 文章編號：1007-9416（2017）05-0232-02

Radar Aero Target

Classification on Power Density Spectrum

Wang Shuguang1，2，3， Tian Xilan1，2，3

（1.No. 38 Research Institute of CETC， Hefei Anhui 230088；

2.Key laboratory of Aperture Array and Space Application， Hefei Anhui 230088；

3.Key laboratory of Intelligent Information Processing， Hefei Anhui 230088）

Abstract：Radar aero target classification has important application value on modern war filed. A power density spectrum based aero target classification method has been proposed in this paper. Feature was extracted from power density spectrum and then used for the classification of helicopter， propeller and jet. Results indicated the efficiency of proposed method.

Key Words：radar；aero target classification；power density spectrum.

1 引言

氣動目標分類在雷達目標識別中具有重要的軍事意義。當前，在雷達目標分類中，對氣動目標的分類主要為螺旋槳飛機、直升機和噴氣式飛機三種空氣動力類型的區分。對氣動目標的三分類問題也是當今雷達目標識別中的研究前沿和熱點問題。

氣動目標的三分類問題主要依據對目標回波多普勒譜中調制特征的檢測來實現。在實際應用中，由于雜波及通道噪聲等干擾的存在，導致目標回波中存在不可避免的噪聲。噪聲的存在會降低特征的代表性，進而降低識別效果。

本文提出了一種基于功率譜估計的氣動目標分類方法，該方法對回波信號進行功率譜估計，在此基礎上進行特征提取及分類器判決，進而實現氣動目標動力類型的分類。分類測試結果表明該方法具有良好的分類性能。

2 功率譜估計

雷達天線處接收到的目標回波信號可以表示為：

實際條件下，目標識別接收到的信號是采樣量化后的離散信號，其中含有探測環境中的干擾噪聲和信號處理時的通道噪聲。用來表示這些隨機噪聲，則目標識別收到的信號序列可以表示為：

，

式中，與目標自身特性有關，包含了目標結構、運動及旋轉部件對雷達回波的調制作用，是進行目標分類的主要依據；則代表了與目標無關的噪聲信號，將其引入識別過程會降低特征的代表性，影響最終識別的效果。

進行功率譜估計的目的是為了降低信號中噪聲的干擾，提高多普勒信息提取時的精度。考慮到計算開銷及精度需求，選用經典譜估計中的welch法作為譜估計方法。welch法在進行功率譜估計時將目標劃分為相互重疊的段，分別采用周期圖法對每段數據進行功率譜估計，并將最終的結果平均，以降低噪聲的干擾，提高估計的精度。

圖1（a）所示為螺旋槳飛機的多普勒頻譜。從圖中可以看出，機身運動導致的機身主譜多普勒頻率為-42Hz，槳葉旋轉導致的調制譜多普勒頻率分別為-149Hz和65Hz。機身主譜較為清晰，但由于噪聲干擾的存在，調制譜較弱，調制現象不明顯。

采用功率譜估計的方法，對回波進行功率譜估計。功率譜估計的結果如圖1（b）所示，在功率譜結果中機身主譜和調制譜較為清晰，與多普勒譜結果相比，效果提升明顯。

3 特征提取

特征提取在功率譜結果上進行，提取的特征主要有中心矩、熵、大特征值個數等。假設為功率譜幅值，對應的特征提取方法如下：

（1）中心矩。

其中，表示功率譜幅值中心矩的階數，表示功率譜幅值的一階矩。中心矩的階數一般按照經驗選取，本文中選取，即提取功率譜的二階中心矩特征。

中心矩是一種簡單的平移不變特征，反映目標的形狀信息，在一定程度上體現了目標的多普勒譜寬。

（2）熵。

功率譜幅值熵主要反映的是功率譜的能量分散程度。因此，該特征可在一定程度上反映譜線的數目。

（3）大特征值個數。

大特征值個數反映了目標功率譜中能量的分布情況，是功率譜結構的體現。

4 數據驗證

仿真獲取直升機、螺旋槳、噴氣式三類目標共1300條樣本記錄，隨機選取600條數據作為訓練集，使用余下的數據作為測試集，進行分類測試。

提取二階矩、熵、大特征值個數作為特征，采用支持向量機（SVM）作為分類器，在訓練集上對SVM模型進行訓練，使用訓練好的SVM模型在測試集上進行分類驗證，并統計分類正確率，統計結果見表1。

從表中可以看出，該方法對直升機、螺旋槳、噴氣式均具有較好的分類表現，平均分類正確率為84%，具有良好的應用價值。

5 結語

本文提出了一種基于功率譜估計的氣動目標直升機、螺旋槳、噴氣式的分類方法。該方法在功率譜估計的基礎上，提取功率譜中心矩、熵、大特征值個數等作為識別特征，采用SVM作為分類器，實現三類目標的分類。結果表明，該方法對三類目標具有良好的分類效果和應用價值。

參考文獻

[1]宋新景.低分辨雷達的目標分類識別研究[J].雷達科學與技術，2016，14（3）：286-290.

[2]楊守峰，吳海坤，王曉，吳曉燕.低分辨雷達目標調制特征提取和分類識別方法[J].電子信息對抗技術，2015，30（4）：15-20.

[3]陳鳳，劉宏偉，杜蘭，保錚.基于特征譜散布特征的低分辨雷達目標分類方法[J].中國科學：信息科學，2010，40（4）：624-636.

[4]倪迎紅，陳玲.雷達目標識別及發展趨勢預測[J].電訊技術，2009，49（11）：98-102.

[5]李學勇.基于窄帶信號的空氣動力目標識別方法研究[J].中國科技信息，2013，10：63-80.endprint