• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      雷達(dá)高分辨距離像子帶融合識別算法

      2013-08-20 04:58:00徐先峰劉來君
      電子設(shè)計工程 2013年18期
      關(guān)鍵詞:子帶識別率頻域

      徐先峰,劉來君,彭 聰

      (1.長安大學(xué) 電子與控制工程學(xué)院,陜西 西安 710064;2.長安大學(xué) 公路學(xué)院,陜西 西安 710064;3.西安電子科技大學(xué) 雷達(dá)信號處理國家重點(diǎn)實驗室,陜西 西安 710071)

      雷 達(dá) 高 分 辨 距 離 像 (HRRP,High-Resolution Range Profile)是用寬帶雷達(dá)信號獲取的目標(biāo)散射點(diǎn)復(fù)子回波在雷達(dá)射線上投影的向量和,它可以反映目標(biāo)散射點(diǎn)在縱向距離上的分布情況,因而可以提供待識別目標(biāo)重要的結(jié)構(gòu)信息[1-2]。與基于雷達(dá)目標(biāo)像(包括SAR[3]及ISAR[4])的目標(biāo)識別技術(shù)相比,基于HRRP的目標(biāo)識別不要求目標(biāo)相對于雷達(dá)平臺有一定的轉(zhuǎn)角,因而更易獲取,對雷達(dá)具有更大的適應(yīng)性,因此基于HRRP的雷達(dá)目標(biāo)識別技術(shù)受到了越來越廣泛的關(guān)注和研究[5-11]。

      隨著雷達(dá)技術(shù)的不斷發(fā)展,雷達(dá)回波帶寬越來越寬,研究回波各頻段分量的特點(diǎn)是HRRP重要研究方向之一[6-7]。文獻(xiàn)[7]認(rèn)為,HRRP的高頻信號分量包含的HRRP細(xì)節(jié)信息對識別的作用不大,而低頻HRRP能夠反映目標(biāo)散射點(diǎn)的大致分布,同時也抑制了HRRP的閃爍效應(yīng),可用于識別。然而,本文首先通過實驗證明,HRRP各個頻段的子帶距離像均含有目標(biāo)信息,可以作為特征而用于目標(biāo)識別。

      在實際應(yīng)用中,進(jìn)一步考慮到,如果只對回波取某個頻段的子帶距離像進(jìn)行識別,而直接忽略其它頻段的信息,必定會造成回波中的目標(biāo)信息沒有被完全利用。因此本文提出首先對目標(biāo)回波進(jìn)行子帶劃分,分別進(jìn)行預(yù)處理獲得距離像,再采用特征融合算法進(jìn)行識別。由于該方法充分利用了回波信息,因而能獲得更好的識別性能。

      1 子帶距離像目標(biāo)識別

      假設(shè)原始數(shù)據(jù)的頻域數(shù)據(jù)為 X=[x(1),x(2),…,x(N)]T,N為距離單元個數(shù),則原始數(shù)據(jù)的k/N低頻子帶頻域數(shù)據(jù)定義為

      對Xk/N作逆傅里葉變換并取模就得到了k/N子帶HRRP,其物理意義為將原始HRRP的距離單元展寬N/k倍而得到的距離像。下面通過實驗,證明HRRP各個頻段的子帶距離像均含有目標(biāo)信息,可以作為特征而用于目標(biāo)識別。

      為了研究各個頻段的子帶HRRP,首先將目標(biāo)頻域回波等分成4個頻段,然后,將各頻段的頻域復(fù)數(shù)數(shù)據(jù)作逆傅里葉變換,得到4個子帶距離像,它們與原始距離像的比較如圖1所示。圖中左上角為原始距離像,另外4幅距離像分別為1/4子帶按頻率從低到高第1到4個頻段的距離像。不難發(fā)現(xiàn),各子帶頻段的距離像均與原始距離像相似,因此各1/4子帶均包含了目標(biāo)幾何結(jié)構(gòu)信息,可以利用子帶距離像提取特征信息,用于目標(biāo)識別。另外,不難發(fā)現(xiàn),中高頻域的子帶回波噪聲低于低頻子帶回波的噪聲,說明HRRP的噪聲主要集中于低頻回波。

      圖1 不同頻段的1/4子帶HRRPFig.1 Different frequency bands 1/4 sub-band HRRP

      為了檢驗非低頻HRRP的識別性能,基于8個目標(biāo)回波實測數(shù)據(jù),用上述方法進(jìn)行了各頻域的1/4子帶距離像提取,分別以這4個頻域的子帶10角域平均像和方差作模板[8],單次像為測試數(shù)據(jù),采用高斯分類法[9]進(jìn)行了識別實驗。對各子帶數(shù)據(jù)分別取系數(shù)為 p=0.02,0.04,…,0.1,0.2,…,1 的冪變換[10],各頻域距離像及原始距離像平均識別率隨冪變換系數(shù)的變化關(guān)系如圖2所示。

      圖2 各頻域1/4子帶距離像及原始距離像平均識別率Fig.2 Average recognition rate of the frequency domain 1/4 sub-band range image and the original distance image

      圖2所示的平均識別率關(guān)系圖亦證明,目標(biāo)各子帶頻段的回波均包含目標(biāo)的幾何結(jié)構(gòu)信息,可以用于識別。該圖顯示各個頻段的距離像識別性能與原始距離像相似,平均識別率均隨冪變換系數(shù)的減小而增大,且我們發(fā)現(xiàn)1/4子帶距離像的識別性能受冪變換系數(shù)的值影響更大,p=1與p≤0.1的子帶識別率之差均達(dá)到20%以上,而原始距離像的識別率之差不到10%,當(dāng)冪變換系數(shù)p<0.5時第1個和第4個1/4子帶的距離像平均識別率甚至高于原始帶寬距離像的平均識別率,達(dá)到了95%左右。

      3 子帶融合識別算法

      由前述所知,可以利用某個頻段子帶距離像提取特征信息,用于目標(biāo)識別。然而,如果只對回波取某個頻段的子帶距離像進(jìn)行識別,而直接忽略其它頻段的信息,必定會造成回波其他頻段中所包含的目標(biāo)信息大量被浪費(fèi)掉。為了充分利用目標(biāo)各子帶頻段回波中所包含的幾何結(jié)構(gòu)信息,提高識別率,提出一種相關(guān)系數(shù)相加法子帶融合識別算法。本算法的思路為:將各個子帶的測試樣本與模板的相關(guān)系數(shù)相加,并將測試樣本判為相關(guān)系數(shù)之和最大的模板對應(yīng)的目標(biāo)類別。其步驟如下:

      1)將所有訓(xùn)練樣本劃分為K個子帶,對各子帶的數(shù)據(jù)取均值并存儲以作為模板。

      2)對某測試數(shù)據(jù) x(t),將其劃分為 K 個子帶 x1(t),x2(t),…,xK(t),分別計算它們與目標(biāo)c第n個方位角域的子帶模板的相關(guān)系數(shù) ρ1(c,n),ρ2(c,n),…,ρK(c,n)并令

      其中Nc為目標(biāo)c的模板數(shù)。

      3)如果 ρmax屬于第 c個目標(biāo),就判斷 x(t)為第 c個目標(biāo)。

      為研究子帶的相關(guān)系數(shù)相加法的識別效果,先作3個子帶的相關(guān)系數(shù)相加識別實驗,仿真實現(xiàn)當(dāng)HRRP的冪變換系數(shù)從0.1~1時對8個目標(biāo)用相關(guān)系數(shù)相加法進(jìn)行識別的平均識別率。為了對比,分別計算出了用3個子帶的距離像數(shù)據(jù)單獨(dú)作MCC方法識別的平均識別率[11],它們的對比如圖3所示。

      圖3 基于相關(guān)系數(shù)相加的子帶融合算法與單個子帶識別的對比Fig.3 Subband fusion algorithm based on correlation coefficient together with a single subband recognition contrast

      從圖3可以看出,在冪變換系數(shù)較小時,該方法的識別率比低頻子帶的識別率低,這是因為受到識別率較低的后面兩個子帶的影響。因此下面將原始數(shù)據(jù)劃分為4個子帶,舍去識別率較低的子帶2、子帶3,即令

      該方法與單個子帶數(shù)據(jù)的識別率對比如圖4所示。

      圖4 子帶1和子帶4相關(guān)系數(shù)相加的融合算法與單個子帶識別的對比Fig.4 Subband 1 and 4 correlation coefficient additive wavelet coefficients fusion algorithm with single subband contrast

      由圖可見,只用識別率較高的子帶1和子帶4的相關(guān)系數(shù)和進(jìn)行識別有效地提高了識別性能,因此本方法只適用于識別率相近的子帶之間相加。本方法亦適用于識別率相近的特征之間的融合。

      該算法的計算復(fù)雜度分析如下:假設(shè)原始數(shù)據(jù)長度為n,將數(shù)據(jù)劃分為K個子帶并取其中l(wèi)個的相關(guān)系數(shù)相加,則計算復(fù)雜度為 l×2×O[(n/k)log2(n/k)],因為該算法只需一次判斷最大相關(guān)系數(shù),所以很顯然該方法計算復(fù)雜度小。

      4 結(jié)束語

      文中研究了雷達(dá)高分辨距離像(HRRP)用于目標(biāo)特征提取進(jìn)而實現(xiàn)目標(biāo)識別的若干問題,首先對目標(biāo)回波進(jìn)行了子帶劃分,然后獲得各子帶距離像,實驗證明了各子帶HRRP均含有目標(biāo)結(jié)構(gòu)信息,可以提取特征信息用于目標(biāo)識別,為了更充分挖掘各子帶距離像蘊(yùn)含的結(jié)構(gòu)信息,提出了相關(guān)系數(shù)相加法子帶融合識別算法,該算法計算復(fù)雜度低且能獲得更好的識別性能。

      [1]Shi L,Wang P H,Liu H W,et al.Radar HRRP statistical recognition with local factor analysis by automatic bayesian ying-yang harmony learning[J].IEEE Transactions on Signal Processing,2011,59(2):610-617.

      [2]杜蘭.雷達(dá)高分辨距離像目標(biāo)識別方法研究[D].西安:西安電子科技大學(xué),2007.

      [3]劉燕,吳元,孫光才,等.圓軌跡SAR快速成像處理[J].電子與信息學(xué)報,2013,35(4):852-858.

      LIU Yan,WU Yuan,SUN Guang-cai,et al.Fast imaging processing of circular SAR [J].Journal of Electronics&Information Technology,2013,35(4):852-858.

      [4]鄧冬虎,朱小鵬,張群,等.基于隨機(jī)共振理論的雙基ISAR弱信號提取及成像分析[J].電子學(xué)報,2012,40(9):1809-1816.

      DENG Dong-hu,ZHU Xiao-peng,ZHANG Qun,et al.Weak signals extraction and imaging analysis in bistatic ISAR systems based on stochastic resonance[J].ACTA Electronica Sinica,2012,40(9):1809-1816.

      [5]姚漢英,孫文峰,馬曉巖.基于高分辨距離像序列的錐柱體目標(biāo)進(jìn)動和結(jié)構(gòu)參數(shù)估計[J].電子與信息學(xué)報,2013,35(3):537-544.

      YAO Han-ying,SUN Wen-feng,MA Xiao-yan.Precession and structure parameters estimation of cone-cylinder target based on the HRRPs[J].Journal of Electronics&Information Technology,2013,35(3):537-544.

      [6]戴奉周,劉宏偉,吳順君.最大相關(guān)系數(shù)準(zhǔn)則下的子帶域?qū)拵Ю走_(dá)雜波抑制與距離像增強(qiáng)[J].電子與信息學(xué)報,2009,31(7):1701-1705.

      DAIFeng-zhou,LIU Hong-wei,WU Shun-jun.Subband implementation for wideband radar clutter suppression and target HRRP enhancement on the principle of maximizing the pearson correlation coefficient[J].Journal of Electronics&Information Technology,2009,31(7):1701-1705.

      [7]陳渤,劉宏偉,保錚.一種基于零相位表示法的雷達(dá)高分辨距離像識別方法[J].西安電子科技大學(xué)學(xué)報:自然科學(xué)版,2005,32(5):657-662.

      CHEN Bo,LIU Hong-wei,BAO Zheng. An HRRP recognition method based on zero phase representation[J].Journal of Xidian University,2005,32(5):657-662.

      [8]Li H J,Yang S H.Using range profiles as feature vectors to identify aerospace objects[J].IEEE Trans.A.P.,1993,41(3):261-268.

      [9]Jacobs S.P.Automatic target recognition using highresolution radar range profiles [D].Ph.D.Dissertation.Washington University,1999.

      [10]曹向海,劉宏偉,吳順君.離散余弦(正弦)變換在雷達(dá)目標(biāo)識別中的應(yīng)用[J].電路與系統(tǒng)學(xué)報,2007(5):74-77.

      CAO Xiang-hai,LIU Hong-wei,WU Shun-jun.The application of discrete cosine transform in radar target recognition[J].Journal of Circuits and Systems,2007(5):74-77.

      [11]Kim K T,Seo D K,Kim H T.Efficient radartarget recognition using the Music algorithm and invariant features[J].IEEE Trans.A.P., 2002, 50 (3):325-337.

      猜你喜歡
      子帶識別率頻域
      一種基于奇偶判斷WPT的多音干擾抑制方法*
      基于類圖像處理與向量化的大數(shù)據(jù)腳本攻擊智能檢測
      子帶編碼在圖像壓縮編碼中的應(yīng)用
      電子制作(2019年22期)2020-01-14 03:16:24
      基于真耳分析的助聽器配戴者言語可懂度指數(shù)與言語識別率的關(guān)系
      頻域稀疏毫米波人體安檢成像處理和快速成像稀疏陣列設(shè)計
      提升高速公路MTC二次抓拍車牌識別率方案研究
      高速公路機(jī)電日常維護(hù)中車牌識別率分析系統(tǒng)的應(yīng)用
      基于虛擬孔徑擴(kuò)展的子帶信息融合寬帶DOA估計
      基于改進(jìn)Radon-Wigner變換的目標(biāo)和拖曳式誘餌頻域分離
      一種基于頻域的QPSK窄帶干擾抑制算法
      华阴市| 工布江达县| 奎屯市| 寿宁县| 彭水| 灵宝市| 德钦县| 宝鸡市| 多伦县| 故城县| 铜陵市| 夏邑县| 巫山县| 秦安县| 大城县| 都安| 台东县| 天镇县| 女性| 嘉峪关市| 定陶县| 资溪县| 汶川县| 崇阳县| 明溪县| 澜沧| 曲水县| 高要市| 浙江省| 寿光市| 溆浦县| 嘉荫县| 嵊州市| 扶余县| 建始县| 普陀区| 千阳县| 林西县| 江门市| 喀喇沁旗| 新建县|