[发明专利]一种行人与车辆微动目标的分类识别方法

摘要

本发明属于微动目标分类识别技术领域，公开了一种行人与车辆微动目标的分类识别方法。该行人与车辆微动目标的分类识别方法包括以下步骤首先对行人和车辆回波信号采用CLEAN算法进行杂波抑制；其次，对杂波抑制后的回波信号进行时频分析，并选择适当的谱图能量阈值作加窗预处理，剔除冗余信息，增强图像特征；最后提取谱图的纹理特征作为有效的特征量，并结合支持向量机分类方法对行人和车辆实测数据获得的谱图提取的特征量，实现行人与车辆目标的精确分类。

主权项

一种行人与车辆微动目标的分类识别方法，其特征在于，包括以下步骤：S1：利用雷达分别接收行人回波数据与车辆回波数据，得到行人回波样本集和车辆回波样本集；S2：在行人回波样本集选择一个行人回波样本，对选择的行人回波样本进行杂波抑制，得到杂波抑制后行人回波数据；在车辆回波样本集选择一个车辆回波样本，对选择的车辆回波样本进行杂波抑制，得到杂波抑制后车辆回波数据；S3：对杂波抑制后行人回波数据进行短时傅里叶变换，得到行人二维谱图；对行人二维谱图进行预处理，得到预处理后行人二维谱图；对杂波抑制后车辆回波数据进行短时傅里叶变换，得到车辆二维谱图；对车辆二维谱图进行预处理，得到预处理后车辆二维谱图；所述步骤S3具体包括以下步骤：S31：对杂波抑制后行人回波数据进行短时傅里叶变换，得到行人二维谱图；对杂波抑制后车辆回波数据进行短时傅里叶变换，得到车辆二维谱图；S32：根据以下公式，对行人二维谱图在时间维进行能量累加，得出行人二维谱图的频率维能量分布Ex(nx)：Ex(nx)=Σm=-∞∞|Sx(mx,nx)|]]>其中，Sx(mx，nx)表示行人二维谱图的能量分布，mx为行人二维谱图对应的时间维的采样点数，nx为行人二维谱图对应的频率维的采样点数；根据以下公式，对车辆二维谱图在时间维进行能量累加，得出车辆二维谱图的频率维能量分布Ec(nc)：Ec(nc)=Σm=-∞∞|Sc(mc,nc)|]]>其中，Sc(mc，nc)表示车辆二维谱图的能量分布，mc为车辆二维谱图对应的时间维的采样点数，nc为车辆二维谱图对应的频率维的采样点数；m为行人二维谱图和车辆二维谱图的时间维坐标；S33：以行人二维谱图的频率维能量分布Ex(nx)的峰值位置Fx为对称轴，分别向两侧对称选择频率单元并进行能量累加，直到能量和超过行人二维谱图的频率维总能量的60％，此时在所有选择的频率单元中，记录最小频率和最大频率，以记录的最小频率和最大频率为基础，构造与行人二维谱图对应的矩形窗函数；根据所述与行人二维谱图对应的矩形窗函数，对行人二维谱图进行加窗处理，得到预处理后行人二维谱图；以车辆二维谱图的频率维能量分布Ec(nc)的峰值位置Fc为对称轴，分别向两侧对称选择频率单元并进行能量累加，直到能量和超过车辆二维谱图的频率维总能量的60％，此时在所有选择的频率单元中，记录最小频率和最大频率，以记录的最小频率和最大频率为基础，构造与车辆二维谱图对应的矩形窗函数；根据所述与车辆二维谱图对应的矩形窗函数，对车辆二维谱图进行加窗处理，得到预处理后车辆二维谱图；S4：分别提取预处理后行人二维谱图和预处理后车辆二维谱图的纹理特征；S5：重复步骤S2至步骤S4，直至遍历所述行人回波样本集中所有行人回波样本以及所述车辆回波样本集中所有车辆回波样本，得到行人二维谱图纹理特征样本集与车辆二维谱图纹理特征样本集；S6：根据行人二维谱图纹理特征样本集与车辆二维谱图纹理特征样本集，并通过支持向量机进行训练、测试，得出对应的分类识别结果。