基于微多普勒特征的车辆与直升机分类技术

柴晓飞 陈尹翔 罗才震

摘 要：利用低分辨雷达对车辆、直升机进行分类具有重要意义。本文首先对车辆与直升机的微多普勒特征进行分析，提取具有可分辨力的特征，采用支持向量机（Support Vector Machine，SVM）分类器，实现短驻留条件下对两类目标的有效鉴别。基于实测数据的实验结果验证了所提特征和方法的有效性。

关键词：车辆 直升机 雷达参数 微多普勒 特征提取 支持向量机

中图分类号：U469.6 文献标识码：A 文章编号：1672-3791（2018）10（c）-0-02

在现代战争中，对于不同高科技武器的需求越来越迫切，承担作战任务的不仅有各种类型的车辆还有武装直升机。例如，车辆机动性好，通常用于侦察和运输；武装直升机可以低空慢速飞行或悬停，利用地杂波进行掩护，在靠近战区的位置悬停然后跃起攻击或悬停作战。由于它们威胁程度不同，因此，对车辆和直升机的识别和分类在现代战争中具有重要意义。

关于不同类型的车辆、飞机的识别，也有较多的工作。比如文献[1]提取能量比特征对轮式和履带车辆进行识别；文献[2]基于目标微多普勒特征的不同对直升机和固定翼飞机进行识别。这些文献中，认为轮式车辆对雷达照射信号能量的后向散射作用较小，微多普勒调制很难实现。但经过对雷达采集回波进行分析可知，装甲轮式车辆的微多普勒分量很明显，而且会出现一定的周期性调制。本文主要针对装甲轮式和直升机进行识别分类。

1 车辆与直升机微运动分析

1.1 车辆微运动分析

轮式车辆产生微多普勒调制，主要是由于轮胎的转动引起的。微运动回波信号[3]为，k=1，2，…，K，其中K为散射点的个数，θK为K个散射点的初始转角。以地面为参照物，车辆的多普勒频率分布在[0，2fd]之间，除车身分量之外，还有轮胎转动产生的微多普勒分量，由于装甲轮式车辆结构的特殊性，由实测数据分析可知，频谱呈一定的周期性调制。

1.2 直升机微运动分析

直升机的回波主要是由机身回波、主旋翼回波、尾旋翼回波和叶毂回波4个部分组成。主旋翼由几片大而长的金属叶片组成，通常情况下在水平面内做高速旋转，其回波有较强的幅度和较宽的频谱。尾旋翼相对于主旋翼来说，其叶片较短，在与主旋翼旋转面相垂直的平面内作旋转，且转速通常是主旋翼的4～6倍，但在视线上容易受机身分量的遮挡，反射回波比较弱，叶毂与主旋翼同步旋转，但其体积较小，回波幅度较弱，频谱较窄。由理想旋翼雷达回波的时域和频域的数学模型[4]可知，当旋翼叶片与雷达视线的夹角为90°时，叶片的雷达回波强度最大，时域回波会出现有周期性的峰值，且旋翼回波的幅度和相位均受桨叶旋转角速度的周期性调制。旋翼回波的频谱为一系列线谱组成，谱线的间隔为fT（fT=DNfr）表示峰包出现的频率，它由旋翼包含的叶片数量N和旋翼的转动速度fr决定，当叶片数量N为偶数时，D=1，当叶片数量N为奇数时，D=2。

2 雷达工作参数

本文所有数据来源于某雷达实验平台。该雷达平台静止工作，主要探测地面及低空活动的目标。此雷达平台的参数如表1所示。

2.1 驻留时间

对两类目标进行检测时，考虑到雷达回波的时域检测周期性峰包的有无，雷达应具有较长的波束驻留时间，以便在驻留时间内尽可能多地接收到含有周期性峰包的回波信号。由实测数据分析可得，直升机的闪烁周期时间（T=1/DNfr）大于装甲轮式车，即雷达的波束驻留时间满足：

0.05ms

2.2 脉冲重复周期

为了保证在一个峰包的持续时间内有一个采样，雷达应具有较高的脉冲重复周期，由直升机参数可算得，雷達脉

冲重复周期满足μs。

3 基于实测数据的目标特性选择与提取

对装甲轮式车辆和直升机进行分类主要利用的就是它们微多普勒调制的不同，因此对两类目标的杂波预处理后的多普勒谱进行特征提取。装甲轮式车辆的微多普勒频率位于[0，2fd]之间，由于轮胎的特殊性，在回波时域上表现

为闪烁间隔较短，多普勒域上表现为谱线间隔较长；直升机主旋翼叶片长度大，转动角速度较慢，在时域上表现为闪烁间隔较长，频域上表现为谱线间隔较短，且多普勒频率分布0通道两侧，谱宽较宽。根据装甲轮式车辆和直升机多普勒谱的不同，提取了3个特征：（1）负频率归一化幅度和；（2）0（零频）到2v频率内能量与整个频谱的能量比；（3）波形熵

4 实验结果

本文的实验部分所用到的数据为某雷达实验平台采集的实测数据。车辆为装甲轮式车辆的回波数据，直升机为贝尔429的回波数据。

采用支持向量机对两类目标进行识别分类。SVM基于结构风险最小化原则，适用于训练样本数较少的情况，具有较强的高维样本处理能力，核函数选为高斯核。图1给出了两类目标特征的样本分布图，选用训练样本各为300个，测试样本各为150个，送入SVM分类器进行调参训练，可得识别率为99.99%。由此可验证所提的特征和方法是有效性 。

参考文献

[1] 李彦兵，杜兰，刘宏伟，等.基于微多普勒特征的地面目标分类[J].电子与信息学报，2010，32（12）：2848-2853.

[2] 陈行勇，黎湘，郭桂蓉，等.基于旋翼微动雷达特征的空中目标识别[J].系统工程与雷达技术，2006，28（3）：372-375.

[3] 李彦兵.基于微多普勒效应的运动车辆目标分类研究[D].西安电子科技大学，2012.

[4] 陈行勇.微动目标雷达特征提取技术研究[D].国防科学技术大学，2016.