基于局部均值分解的目标识别特征提取方法

摘要

本发明公开了一种基于局部均值分解的目标识别特征提取方法，主要解决现有目标识别技术中识别性能差的问题。其技术方案是：1.对雷达时域回波信号进行局部均值分解；2.利用分解结果定义第一单分量信号频谱和剩余单分量信号频谱；3.从各分量信号及其频谱中提取第一单分量信号熵值、第一单分量信号频谱熵值、第一单分量信号频谱与剩余单分量信号频谱的能量比、第一单分量信号频谱与剩余单分量信号频谱的峰值比，这四种识别特征。本发明具有提高识别性能的优点，可用于对雷达目标的识别。

主权项

一种基于局部均值分解的目标识别特征提取方法，包括如下步骤：1)对目标的时域回波信号S＝{s₁,s₂,...,s_k,...,s_N}进行局部均值分解，得到余量信号的和信号u以及L个单分量信号f_α，其中s_k为时域回波信号S第k点的值，k＝1,2,...,N，N为脉冲数，α＝1,2,...,L，L为单分量信号的个数；2)定义第一单分量信号频谱：F₁＝|fft[f₁]|以及剩余单分量信号频谱：其中f₁为第一单分量信号，fft[·]代表快速傅立叶变换，|·|代表取模运算；3)根据L个单分量信号f_α，以及定义的第一单分量信号频谱F₁、剩余单分量信号频谱F_r，提取如下四种目标识别特征：第一单分量信号熵值：t1＝entropy[f₁]，式中entropy[·]代表取熵值运算；第一单分量信号频谱熵值：t2＝entropy[F₁]；第一单分量信号频谱与剩余单分量信号频谱的能量比：t3＝energy[F_r]/energy[F₁]，式中energy[·]代表取能量运算；第一单分量信号频谱与剩余单分量信号频谱的峰值比：t4＝max[F_r]/max[F₁]，式中max[·]代表取最大值运算。