柴曉飛 陳尹翔 羅才震

摘 要：利用低分辨雷達對車輛、直升機進行分類具有重要意義。本文首先對車輛與直升機的微多普勒特征進行分析，提取具有可分辨力的特征，采用支持向量機（Support Vector Machine，SVM）分類器，實現(xiàn)短駐留條件下對兩類目標的有效鑒別?；趯崪y數(shù)據(jù)的實驗結果驗證了所提特征和方法的有效性。

關鍵詞：車輛 直升機 雷達參數(shù) 微多普勒 特征提取 支持向量機

中圖分類號：U469.6 文獻標識碼：A 文章編號：1672-3791（2018）10（c）-0-02

在現(xiàn)代戰(zhàn)爭中，對于不同高科技武器的需求越來越迫切，承擔作戰(zhàn)任務的不僅有各種類型的車輛還有武裝直升機。例如，車輛機動性好，通常用于偵察和運輸；武裝直升機可以低空慢速飛行或懸停，利用地雜波進行掩護，在靠近戰(zhàn)區(qū)的位置懸停然后躍起攻擊或懸停作戰(zhàn)。由于它們威脅程度不同，因此，對車輛和直升機的識別和分類在現(xiàn)代戰(zhàn)爭中具有重要意義。

關于不同類型的車輛、飛機的識別，也有較多的工作。比如文獻[1]提取能量比特征對輪式和履帶車輛進行識別；文獻[2]基于目標微多普勒特征的不同對直升機和固定翼飛機進行識別。這些文獻中，認為輪式車輛對雷達照射信號能量的后向散射作用較小，微多普勒調(diào)制很難實現(xiàn)。但經(jīng)過對雷達采集回波進行分析可知，裝甲輪式車輛的微多普勒分量很明顯，而且會出現(xiàn)一定的周期性調(diào)制。本文主要針對裝甲輪式和直升機進行識別分類。

1 車輛與直升機微運動分析

1.1 車輛微運動分析

輪式車輛產(chǎn)生微多普勒調(diào)制，主要是由于輪胎的轉動引起的。微運動回波信號[3]為，k=1，2，…，K，其中K為散射點的個數(shù)，θK為K個散射點的初始轉角。以地面為參照物，車輛的多普勒頻率分布在[0，2fd]之間，除車身分量之外，還有輪胎轉動產(chǎn)生的微多普勒分量，由于裝甲輪式車輛結構的特殊性，由實測數(shù)據(jù)分析可知，頻譜呈一定的周期性調(diào)制。

1.2 直升機微運動分析

直升機的回波主要是由機身回波、主旋翼回波、尾旋翼回波和葉轂回波4個部分組成。主旋翼由幾片大而長的金屬葉片組成，通常情況下在水平面內(nèi)做高速旋轉，其回波有較強的幅度和較寬的頻譜。尾旋翼相對于主旋翼來說，其葉片較短，在與主旋翼旋轉面相垂直的平面內(nèi)作旋轉，且轉速通常是主旋翼的4～6倍，但在視線上容易受機身分量的遮擋，反射回波比較弱，葉轂與主旋翼同步旋轉，但其體積較小，回波幅度較弱，頻譜較窄。由理想旋翼雷達回波的時域和頻域的數(shù)學模型[4]可知，當旋翼葉片與雷達視線的夾角為90°時，葉片的雷達回波強度最大，時域回波會出現(xiàn)有周期性的峰值，且旋翼回波的幅度和相位均受槳葉旋轉角速度的周期性調(diào)制。旋翼回波的頻譜為一系列線譜組成，譜線的間隔為fT（fT=DNfr）表示峰包出現(xiàn)的頻率，它由旋翼包含的葉片數(shù)量N和旋翼的轉動速度fr決定，當葉片數(shù)量N為偶數(shù)時，D=1，當葉片數(shù)量N為奇數(shù)時，D=2。

2 雷達工作參數(shù)

本文所有數(shù)據(jù)來源于某雷達實驗平臺。該雷達平臺靜止工作，主要探測地面及低空活動的目標。此雷達平臺的參數(shù)如表1所示。

2.1 駐留時間

對兩類目標進行檢測時，考慮到雷達回波的時域檢測周期性峰包的有無，雷達應具有較長的波束駐留時間，以便在駐留時間內(nèi)盡可能多地接收到含有周期性峰包的回波信號。由實測數(shù)據(jù)分析可得，直升機的閃爍周期時間（T=1/DNfr）大于裝甲輪式車，即雷達的波束駐留時間滿足：

0.05ms

2.2 脈沖重復周期

為了保證在一個峰包的持續(xù)時間內(nèi)有一個采樣，雷達應具有較高的脈沖重復周期，由直升機參數(shù)可算得，雷達脈

沖重復周期滿足μs。

3 基于實測數(shù)據(jù)的目標特性選擇與提取

對裝甲輪式車輛和直升機進行分類主要利用的就是它們微多普勒調(diào)制的不同，因此對兩類目標的雜波預處理后的多普勒譜進行特征提取。裝甲輪式車輛的微多普勒頻率位于[0，2fd]之間，由于輪胎的特殊性，在回波時域上表現(xiàn)

為閃爍間隔較短，多普勒域上表現(xiàn)為譜線間隔較長；直升機主旋翼葉片長度大，轉動角速度較慢，在時域上表現(xiàn)為閃爍間隔較長，頻域上表現(xiàn)為譜線間隔較短，且多普勒頻率分布0通道兩側，譜寬較寬。根據(jù)裝甲輪式車輛和直升機多普勒譜的不同，提取了3個特征：（1）負頻率歸一化幅度和；（2）0（零頻）到2v頻率內(nèi)能量與整個頻譜的能量比；（3）波形熵

4 實驗結果

本文的實驗部分所用到的數(shù)據(jù)為某雷達實驗平臺采集的實測數(shù)據(jù)。車輛為裝甲輪式車輛的回波數(shù)據(jù)，直升機為貝爾429的回波數(shù)據(jù)。

采用支持向量機對兩類目標進行識別分類。SVM基于結構風險最小化原則，適用于訓練樣本數(shù)較少的情況，具有較強的高維樣本處理能力，核函數(shù)選為高斯核。圖1給出了兩類目標特征的樣本分布圖，選用訓練樣本各為300個，測試樣本各為150個，送入SVM分類器進行調(diào)參訓練，可得識別率為99.99%。由此可驗證所提的特征和方法是有效性 。

參考文獻

[1] 李彥兵，杜蘭，劉宏偉，等.基于微多普勒特征的地面目標分類[J].電子與信息學報，2010，32（12）：2848-2853.

[2] 陳行勇，黎湘，郭桂蓉，等.基于旋翼微動雷達特征的空中目標識別[J].系統(tǒng)工程與雷達技術，2006，28（3）：372-375.

[3] 李彥兵.基于微多普勒效應的運動車輛目標分類研究[D].西安電子科技大學，2012.

[4] 陳行勇.微動目標雷達特征提取技術研究[D].國防科學技術大學，2016.