[发明专利]基于局部均值分解的目标识别特征提取方法

权利要求书

1.一种基于局部均值分解的目标识别特征提取方法，包括如下步骤：

1)对目标的时域回波信号S＝{s₁,s₂,...,s_k,...,s_N}进行局部均值分解，得到余量信号的和信号u以及L个单分量信号f_α，其中s_k为时域回波信号S第k点的值，k＝1,2,...,N，N为脉冲数，α＝1,2,...,L，L为单分量信号的个数；

2)定义第一单分量信号频谱：F₁＝|fft[f₁]|以及剩余单分量信号频谱：其中f₁为第一单分量信号，fft[·]代表快速傅立叶变换，|·|代表取模运算；

3)根据L个单分量信号f_α，以及定义的第一单分量信号频谱F₁、剩余单分量信号频谱F_r，提取如下四种目标识别特征：

第一单分量信号熵值：t1＝entropy[f₁]，式中entropy[·]代表取熵值运算；

第一单分量信号频谱熵值：t2＝entropy[F₁]；

第一单分量信号频谱与剩余单分量信号频谱的能量比：t3＝energy[F_r]/energy[F₁]，式中energy[·]代表取能量运算；

第一单分量信号频谱与剩余单分量信号频谱的峰值比：t4＝max[F_r]/max[F₁]，式中max[·]代表取最大值运算。

2.根据权利要求1所述的目标识别特征提取方法，其中步骤1)所述的对目标的时域回波信号S＝{s₁,s₂,...,s_k,...,s_N}进行局部均值分解，步骤如下：

1a)确定回波信号S所有的局部极值点n_i，i＝1,2,...,W，W为信号S的局部极值点个数，计算相邻两个局部极值点n_i和n_i+1的平均值m_i，即：将所有相邻的两个均值m_i用直线连接，并对连接后得到的曲线使用滑动平均算法进行平滑处理，得到局部均值函数m_1,1；

1b)使用局部极值点n_i计算包络估计值：将所有相邻两个包络估计值a_i用直线连接，将连接后得到的曲线使用滑动平均算法进行平滑处理，得到包络估计函数a_1,1；

1c)将局部均值函数m_1，1从S中分离，得到差值信号：h₁₁＝S-m_1，1；

1d)对差值信号h₁₁解调，得到解调信号：s_1，1＝h₁₁/a_1，1,并将s_1，1作为原始数据重复以上1a)至1c)迭代过程，当迭代j次后满足a_1，j＝1时，迭代终止；

1e)将迭代过程中产生的所有包络估计函数相乘得到包络信号g₁，即:

1f)将包络信号g₁和纯调频信号s_1，j相乘得到S的第一单分量信号f₁，即：f₁＝g₁×s_1，j；

1g)将第一单分量信号从S中分离，得到分离后的信号：u₁＝S-f₁，将分离后的信号重复上述1a)至1f)操作，最终得到余量信号的和信号u以及L个单分量信号f_α，α＝1,2,...,L。