基于稳健性时频特征的地面目标分类方法

摘要

本发明公开了一种基于稳健性时频特征的地面目标分类方法，主要解决在低信噪比条件下现有技术对车辆目标和人体目标分类时间长的问题。其实现过程是：1、对录取的高信噪比信号能量进行归一化，获得训练信号；2、从训练信号的时频谱中，提取3维时频特征并训练分类器；3、对录取的低信噪比信号能量进行归一化，获得测试信号；4、从测试信号的时频谱中，提取3维时频特征；5、将测试信号的3维时频特征送入到训练好的分类器中，获得分类结果。本发明能在低信噪比且无需对窄带雷达回波预先进行去噪处理的条件下，快速有效地实现车辆目标和人体目标分类，可用于雷达目标识别。

主权项

基于稳健性时频特征的地面目标分类方法，包括以下步骤：A.训练步骤：(A1)对低分辨雷达录取的高信噪比慢时间信号进行能量归一化，获得训练信号；(A2)对训练信号进行短时傅里叶变换，获得训练信号的时频谱Y(t,f)，其中，f为t时刻对应的瞬时频率；(A3)从训练信号的时频谱Y(t,f)中提取3维时频特征，该3维时频特征包括：训练信号时频谱中目标多普勒调制的宽度W，训练信号时频谱中目标多普勒调制宽度范围内的时频熵C，训练信号时频谱中每一时刻最大幅度对应的频率的方差V；(A4)利用从训练信号的时频谱Y(t,f)中提取的3维时频特征对支撑向量机分类器的参数进行训练，得到训练好的支撑向量机分类器；B.测试步骤(B1)对低分辨雷达录取的低信噪比慢时间信号进行能量归一化，获得测试信号；(B2)对测试信号进行短时傅里叶变换，获得测试信号的时频谱P(t,f)，其中，f为t时刻对应的瞬时频率；(B3)从测试信号的时频谱P(t,f)中提取3维时频特征，该3维时频特征包括：测试信号时频谱中目标多普勒调制的宽度R，测试信号时频谱中目标多普勒调制宽度范围内的时频熵U，测试信号时频谱中每一时刻最大幅度对应的频率的方差D；(B4)把步骤(B3)从测试信号的时频谱P(t,f)中提取3维时频特征送入到训练好的支撑向量机分类器中，完成对低信噪比慢时间信号的分类。