基于趋势估计的微多普勒分离与特征提取算法

TN957; 微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点.针对复杂运动目标微多普勒(micro-Doppler,m-D)曲线交叠耦合导致的微动辨识难点,提出一种基于曲线趋势估计的分离算法.该算法首先通过骨架提取获得稳定精细的二值化曲线数据,再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离,最后利用变分模态分解(variational mode decomposition,VMD)及经验模态分解(empirical mode decomposition,EMD)算法分解每条m-D曲线并计算相应的微动特性.仿真实验表明,所提算法能够在信噪比大于--15 dB条件下稳定分离m-D曲...

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 43; no. 12; pp. 3452 - 3461
Main Authors 彭正红, 杨德贵, 王行, 王浩, 朱政亮
Format Journal Article
LanguageChinese
Published 中南大学航空航天学院,湖南长沙410083%中南大学自动化学院,湖南长沙410083%浙江大学工业控制技术国家重点实验室,浙江杭州310027%厦门大学水声通信与海洋信息技术教育部重点实验室,福建厦门361005 01.12.2021
Subjects
微动回波模型;曲线趋势估计;曲线分离;变分模态分解;经验模态分解
Online AccessGet full text
ISSN1001-506X
DOI10.12305/j.issn.1001-506X.2021.12.05

Cover

More Information
Summary:TN957; 微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点.针对复杂运动目标微多普勒(micro-Doppler,m-D)曲线交叠耦合导致的微动辨识难点,提出一种基于曲线趋势估计的分离算法.该算法首先通过骨架提取获得稳定精细的二值化曲线数据,再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离,最后利用变分模态分解(variational mode decomposition,VMD)及经验模态分解(empirical mode decomposition,EMD)算法分解每条m-D曲线并计算相应的微动特性.仿真实验表明,所提算法能够在信噪比大于--15 dB条件下稳定分离m-D曲线,进而提取目标的微动特性.
ISSN:1001-506X
DOI:10.12305/j.issn.1001-506X.2021.12.05