[发明专利]一种基于特征融合的地下目标探测识别系统及方法

权利要求书

1.一种基于特征融合的地下目标探测识别系统，其特征在于，包括：

探地雷达回波检测模块(1)，用于检测与采集探地雷达的回波信号；

预处理模块(2)，用于对采集的回波信号进行预处理；

信号增强模块(3)，用于采用小波域多尺度分析方法对经预处理的回波信号进行增强处理；

多特征提取模块(4)，用于提取经增强处理的回波信号的时域特征和小波包能谱特征，并对增强经处理的回波信号进行Welch功率谱估计及高阶谱分析，分别得到Welch功率谱和高阶谱；

所述多特征提取模块(4)包括时域特征提取单元(41)、小波包能谱特征提取单元(42)、Welch功率谱估计单元(43)和高阶谱估计单元(44)；

所述时域特征提取单元(41)，用于将回波信号进行平均分段，分别计算每一段的时域特征，所述时域特征包括有效值、平均值、方差、偏度值和峰度值；

所述小波包能谱特征提取单元(42)，用于将回波信号进行小波包分解，在求解不同尺度上的信号小波包谱的基础上，构造关于分解尺度的小波包能谱函数，形成小波包能谱特征向量，建立样本特征模型，进而分析目标特征信息；

所述Welch功率谱估计单元(43)，用于将回波信号进行分段，各段数据存在部分重叠，对每一段数据通过预定窗函数进行平滑处理，进而对各段谱求平均；

所述高阶谱估计单元(44)，用于将回波信号进行分段，对每段数据进行去均值操作，计算每段数据的三阶累积量，将各段的三阶累积量进行统计平均，得到各段的总累积量，利用各段的总累积量进行三阶谱估计；

特征融合模块(5)，用于对回波信号的时域特征、小波包能谱特征、Welch功率谱和高阶谱进行融合；

目标识别模块(6)，用于对融合的四类信号特征通过小波神经网络进行目标识别；

结果输出模块(7)，用于输出目标识别后的结果。

2.根据权利要求1所述基于特征融合的地下目标探测识别系统，其特征在于，所述预处理模块(2)包括抑制单元(21)和滤除单元(22)；

所述抑制单元(21)，用于采用均值法抑制回波信号中的地杂波和直流信号；

所述滤除单元(22)，用于采用维纳滤波器去除宽带杂波和周期杂波。

3.根据权利要求1所述基于特征融合的地下目标探测识别系统，其特征在于，所述小波包能谱特征提取单元(42)还对小波包能谱特征向量进行归一化处理。

4.根据权利要求1所述基于特征融合的地下目标探测识别系统，其特征在于，所述目标识别模块(6)采用小波神经网络分类器，运用小波神经网络对输入的融合特征反复训练，通过输出误差的反馈，自动调整分类器参数，进而进行识别输出分类结果。

5.一种基于特征融合的地下目标探测识别方法，其特征在于，包括如下步骤：

S1，检测与采集探地雷达的回波信号；

S2，采用小波域多尺度分析方法对采集的回波信号进行预处理；

S3，对经预处理的回波信号进行增强处理；

S4，提取经增强处理的回波信号的时域特征和小波包能谱特征，并对增强经处理的回波信号进行Welch功率谱估计及高阶谱分析，分别得到Welch功率谱和高阶谱；

所述步骤S4中，

计算时域特征参数的实现为：将回波信号进行平均分段，分别计算每一段的时域特征，所述时域特征包括有效值、平均值、方差、偏度值和峰度值；

计算小波包能谱特征的实现为：将回波信号进行小波包分解，在求解不同尺度上的信号小波包谱的基础上，构造关于分解尺度的小波包能谱函数，形成小波包能谱特征向量，建立样本特征模型，进而分析目标特征信息；

计算Welch功率谱的实现为：将回波信号进行分段，各段数据存在部分重叠，对每一段数据通过预定窗函数进行平滑处理，进而对各段谱求平均；

计算高阶谱的实现为：将回波信号进行分段，对每段数据进行去均值操作，计算每段数据的三阶累积量，将各段的三阶累积量进行统计平均，得到各段的总累积量，利用各段的总累积量进行三阶谱估计；

S5，对回波信号的时域特征、小波包能谱特征、Welch功率谱和高阶谱进行融合；

S6，对融合的四类信号特征通过小波神经网络进行目标识别；

S7，输出目标识别后的结果。