基于功率谱估计的雷达气动目标分类方法

王曙光+田西兰

摘要：气动目标空气动力类型分类具有重要的军事价值。本文提出了一种基于功率谱估计的雷达气动目标分类方法。在功率谱上提取特征，实现直升机、螺旋桨、喷气式的分类。分类结果表明该方法具有较好的效果。

关键词：雷达；气动目标分类；功率谱估计

中图分类号：TN957 文献标识码：A 文章编号：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

氣动目标分类在雷达目标识别中具有重要的军事意义。当前，在雷达目标分类中，对气动目标的分类主要为螺旋桨飞机、直升机和喷气式飞机三种空气动力类型的区分。对气动目标的三分类问题也是当今雷达目标识别中的研究前沿和热点问题。

气动目标的三分类问题主要依据对目标回波多普勒谱中调制特征的检测来实现。在实际应用中，由于杂波及通道噪声等干扰的存在，导致目标回波中存在不可避免的噪声。噪声的存在会降低特征的代表性，进而降低识别效果。

本文提出了一种基于功率谱估计的气动目标分类方法，该方法对回波信号进行功率谱估计，在此基础上进行特征提取及分类器判决，进而实现气动目标动力类型的分类。分类测试结果表明该方法具有良好的分类性能。

2 功率谱估计

雷达天线处接收到的目标回波信号可以表示为：

实际条件下，目标识别接收到的信号是采样量化后的离散信号，其中含有探测环境中的干扰噪声和信号处理时的通道噪声。用来表示这些随机噪声，则目标识别收到的信号序列可以表示为：

，

式中，与目标自身特性有关，包含了目标结构、运动及旋转部件对雷达回波的调制作用，是进行目标分类的主要依据；则代表了与目标无关的噪声信号，将其引入识别过程会降低特征的代表性，影响最终识别的效果。

进行功率谱估计的目的是为了降低信号中噪声的干扰，提高多普勒信息提取时的精度。考虑到计算开销及精度需求，选用经典谱估计中的welch法作为谱估计方法。welch法在进行功率谱估计时将目标划分为相互重叠的段，分别采用周期图法对每段数据进行功率谱估计，并将最终的结果平均，以降低噪声的干扰，提高估计的精度。

图1（a）所示为螺旋桨飞机的多普勒频谱。从图中可以看出，机身运动导致的机身主谱多普勒频率为-42Hz，桨叶旋转导致的调制谱多普勒频率分别为-149Hz和65Hz。机身主谱较为清晰，但由于噪声干扰的存在，调制谱较弱，调制现象不明显。

采用功率谱估计的方法，对回波进行功率谱估计。功率谱估计的结果如图1（b）所示，在功率谱结果中机身主谱和调制谱较为清晰，与多普勒谱结果相比，效果提升明显。

3 特征提取

特征提取在功率谱结果上进行，提取的特征主要有中心矩、熵、大特征值个数等。假设为功率谱幅值，对应的特征提取方法如下：

（1）中心矩。

其中，表示功率谱幅值中心矩的阶数，表示功率谱幅值的一阶矩。中心矩的阶数一般按照经验选取，本文中选取，即提取功率谱的二阶中心矩特征。

中心矩是一种简单的平移不变特征，反映目标的形状信息，在一定程度上体现了目标的多普勒谱宽。

（2）熵。

功率谱幅值熵主要反映的是功率谱的能量分散程度。因此，该特征可在一定程度上反映谱线的数目。

（3）大特征值个数。

大特征值个数反映了目标功率谱中能量的分布情况，是功率谱结构的体现。

4 数据验证

仿真获取直升机、螺旋桨、喷气式三类目标共1300条样本记录，随机选取600条数据作为训练集，使用余下的数据作为测试集，进行分类测试。

提取二阶矩、熵、大特征值个数作为特征，采用支持向量机（SVM）作为分类器，在训练集上对SVM模型进行训练，使用训练好的SVM模型在测试集上进行分类验证，并统计分类正确率，统计结果见表1。

从表中可以看出，该方法对直升机、螺旋桨、喷气式均具有较好的分类表现，平均分类正确率为84%，具有良好的应用价值。

5 结语

本文提出了一种基于功率谱估计的气动目标直升机、螺旋桨、喷气式的分类方法。该方法在功率谱估计的基础上，提取功率谱中心矩、熵、大特征值个数等作为识别特征，采用SVM作为分类器，实现三类目标的分类。结果表明，该方法对三类目标具有良好的分类效果和应用价值。

参考文献

[1]宋新景.低分辨雷达的目标分类识别研究[J].雷达科学与技术，2016，14（3）：286-290.

[2]杨守峰，吴海坤，王晓，吴晓燕.低分辨雷达目标调制特征提取和分类识别方法[J].电子信息对抗技术，2015，30（4）：15-20.

[3]陈凤，刘宏伟，杜兰，保铮.基于特征谱散布特征的低分辨雷达目标分类方法[J].中国科学：信息科学，2010，40（4）：624-636.

[4]倪迎红，陈玲.雷达目标识别及发展趋势预测[J].电讯技术，2009，49（11）：98-102.

[5]李学勇.基于窄带信号的空气动力目标识别方法研究[J].中国科技信息，2013，10：63-80.endprint