[发明专利]一种基于支持向量机的墙体参数预测方法

说明书

本发明公开了一种基于支持向量机的墙体参数预测方法，首先通过仿真收集墙体参数的回波数据，提取出前墙回波与后墙回波的最大幅值与其对应的时刻；然后利用支持向量机(SVM)对训练数据进行训练，建立墙体参数各自的回归模型；最后对未知墙体参数的样本进行预测。本发明能精确地预测电导率，对有目标情况，目标离墙体越远，电导率的预测精度越高。能够高效、精准且高抗干扰性的预测出墙体的参数(介电常数、厚度和墙体电导率)，解决穿墙雷达成像中墙体参数未知的困扰。

技术领域

本发明涉及一种墙体参数预测方法，属于穿墙雷达成像技术、机器学习技术、墙体参数估计技术领域。

背景技术

超宽带穿墙雷达具有穿透能力强，距离向分辨率高等优点。结合成像算法能够有效地对障碍物后方的目标进行定位、追踪以及成像。近年来，无论是军事上还是民用上，都投入了大量的研究。

现有的大量成像算法都是通过研究接收信号进行的，接收信号是发射信号经过墙体的折射、透射、目标的散射等形成的。墙体参数(介电常数、厚度、电导率等)是影响接收信号的关键因素之一。若要得到高质量的成像质量，必须知道精确的墙体参数。目前很多成像算法都是建立在已知墙体参数的基础上，但在实际应用中，墙体参数一般都是未知的。

针对这一情况，已有研究者提出了估计墙体参数的方法。

如基于电磁波透射系数的墙体参数估计方法。该方法通过在墙体两侧分布放置发射机与接收机，利用信号时延与幅度衰减计算出墙体参数，但是该方法只能在实验室中进行；通过调整阵列结构或阵列到墙体的距离去预测墙体参数是利用天线阵列结构的改变确定墙体参数与目标位置关系，从而确定墙体的参数，这种方法需要多次实验，实现起来较麻烦；图像自聚焦技术是通过检测不同墙体参数组合下的成像质量，需要对目标进行多次成像，预测效率较低；利用墙体回波信息推算反射系数进而确定墙体参数易受到墙体结构以及噪声的影响，计算结果不稳定。

此外，也已有研究者利用支持向量机估计墙体参数。

文献“Xi Chen，Weidong Chen.Wall parameters estimation based on supportvector regression for through wall radar sensing[J].2015.”中分三步来估计墙体参数，但是其中利用后墙反射波的波幅训练回归函数，后墙反射波波幅易受墙内目标的影响，最终导致墙体厚度预测的准确率下降。且该文献只预测了介电常数和厚度，并没有预测电导率。

因此，在墙参预测方面能够找到一种预测精度高、效率快、受墙后目标影响较小的方法具有重要的应用价值。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种效率高，精度高且不易受墙体后方目标影响的估计墙体参数(介电常数、厚度及墙体电导率)的基于支持向量机的墙体参数预测方法。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于支持向量机的墙体参数预测方法，包括以下步骤：

步骤一、天线设置步骤：在墙体的同侧水平放置发射天线与接收天线，发射天线采用高斯调制脉冲波形向墙体投射。

步骤二、仿真采样步骤：利用基于时域有限差分法的电磁仿真软件Xfdtd进行仿真，设置一组用于采样的墙体参数，利用接收天线接收回波信号，收集不同墙体参数下的回波数据，保存墙体参数与对应的回波数据作为训练样本。

步骤三、特征值提取步骤：回波信号中能量占比最大的是直达波、前墙回波、后墙回波，有目标存在的情况下还有目标的散射回波，其中，提取的特征信息包括前墙回波信号与后墙回波信号的最大幅值以及对应的时刻，记作(A1，t1，A2，t2)。A1表示前墙回波信号的最大幅值，t1表示前墙回波信号的最大幅值对应的时刻，A2表示后墙回波信号的最大幅值，t2表示后墙回波信号的最大幅值对应的时刻。