[发明专利]基于模糊模式识别和遗传算法的墙后人体多状态目标的检测方法

摘要

本发明公开了一种基基于模糊模式识别和遗传算法的墙后人体多状态目标的检测方法，它是对P410雷达的接收信号进行处理，提取接收信号的特征参数；利用提取的特征参数和墙后多种状态构成隶属度函数集；本发明选择高斯函数作为子隶属度函数，采用遗传算法优化子隶属度函数中的均值与方差，构造隶属度函数集；根据模糊模式识别理论建立墙后人体目标预测函数，通过计算，依据最大隶属度原则可以明显的识别出被测数据属于墙后的哪一类状态。该检测主要应用于灾害救援领域以及反恐侦查领域，以保证对掩埋下有生命体的目标进行探测与救援以及在挟持人质的反恐中保证人质的人身安全等应用。

主权项

一种基于模糊模式识别算法和遗传算法的墙后人体多状态的目标检测算法，其特征在于它是通过提取接收信号的特征参数和墙后多种状态构成隶属度函数集；选择高斯函数作为子隶属度函数，采用遗传算法优化子隶属度函数中的均值与方差，构造隶属度函数集；通过模糊模式识别理论建立墙后人体目标预测函数，根据最大隶属度原则可以明显的识别出被测数据属于墙后的哪一类状态，主要包括：（1）提取特征参数：进行墙后人体识别的状态有6种，每一种状态都有相应的特征参数，主要为接收信号的峰度K，偏度S，能量Gr，最大幅度值rmax，方差以及协方差cov，能量指接收信号的总能量，方差表征接收信号的波动程度，波形形状主要选择了峰度和偏度参数，其中峰度为信号的四阶矩，反应了分布曲线顶峰的尖平程度，偏度参数使用信号的三阶矩表示，描述了取值分布对称性，每一种状态的特征参数定义如下：（2）构建隶属度函数集选择高斯函数作为子隶属度函数，高斯函数定义如下：其中a为均值，b为方差，这两个参数均可以由遗传算法得到，隶属度函数集共包括36个子隶属度函数，需要优化的参数共72个，隶属度函数集如下：（3）建立目标预测函数将a,b分别带入相应的子隶属度函数中得到隶属度函数集F,将F代入目标预测公式得到预测函数Y为1*6的矩阵，Y中元素为[Y1,Y2,Y3,Y4,Y5,Y6]根据最大隶属度原则,若则判断该组数据属于墙后相应的类别。