基于微多普勒效应和AR模型的车辆目标分类方法

bekindasd

摘要:轮式车辆和履带式车辆的分类是地面目标识别的难点之一.车轮旋转和履带的运动是典型的微动,其产生的微多普勒特征可作为两类车辆目标分类的重要依据.首先,针对短驻留条件下两类车辆目标的雷达回波,分析了两类目标不同微动导致的微多普勒特征差异;其次,基于目标回波短时平稳相关的性质,建立了目标回波的AR模型,采用前后向预测方法得到相应的AR模型系数,提出基于AR模型系数的车辆目标分类方法,并给出 AR模型阶数的判定方法,对比了前后向预测系数特征与前向预测系数特征的可分性.最后,结合两类目标的实测数据,在回波预处理的基础上,通过提取实际回波数据的AR模型系数实现了车辆目标的分类,验证了方法的有效性和稳健性.
4 F/ G# L  d$ t
3 `$ m; x! h* l* s9 [" l8 ^1 \关键词:微多普勒;AR模型;前后向预测;车辆目标;分类
/ N' |( s8 j5 D/ x1 q5 j
% R) Z! {& w+ D4 d( D7 K& ~6 |

       轮式车辆和履带式车辆是重要的地面军事目标，对两类目标的分类研究对于战场态势感知、威胁评估、精确打击等具有积极的军事意义.上世纪70年代，美国就开展了车辆目标识别研究,主要通过采集车辆行进时产生的地震动信号、声信号和磁信号等进行识别.
" q/ c: V/ m. r) F* {
, c$ g9 a7 v5 E/ m+ r

4 L7 s0 L3 X0 l! g. f2 F

游客，如果您要查看本帖隐藏内容请回复

  T, Q2 `0 s/ |% d, l3 a  W
" N* g" C; N& f/ Y$ J
& I! y  A; ?. M* _4 Q

nevadaooo

轮式车辆和履带式车辆是重要的地面军事目标