论文部分内容阅读
近年来,超宽带技术已经成为短距离无线通信技术领域的研究热点之一。超宽带信号不需要载波,系统的结构简单,造价便宜。超宽带信号采用的是跳时扩频,具有良好的隐蔽性和抗多径能力。在存在树叶土地等障碍物的场景下,穿透能力突出。因而可以实现在叶簇环境下目标识别的任务。利用以上超宽带信号的特点,为解决在叶簇环境下进行目标识别的问题,本文提出了基于复双谱对角切片的超宽带信号目标识别的算法,可以在超宽带信号实现前向通信的同时完成对目标的探测和识别。在超宽带设备接收到的回波信号之中,包含了待测目标的幅度和相位等相关信息,应用特征提取的算法,将这些信息表征为特征向量。然后将特征向量数据分为训练数据和测试数据两个部分。训练样本用于鉴别函数的学习,再将测试数据输入分类器,进行识别并输出最终的判决结果。在一个比较完善的目标识别系统中包括信息收集、数据预处理、特征的提取和分类判别几个环节。本文提出的算法主要针对特征提取和分类判别的环节进行了分析和研究。在实际当中,超宽带的回波信号是一种典型的非高斯过程,噪声为有色噪声,非常适用使用高阶统计量的方法进行处理。在本文中,使用高阶统计量作为理论工具,进行特征向量的提取。先利用双谱的对角切片来获得待测信号的有关特征,其中包括了幅度和非线性的相位信息。再使用Chirp-z变换把在频域双谱对角切片特征扩展到复平面上,此时特征信息被称为复双谱对角切片。由于Chirp-z变换可以任意变换分析路径和分辨率,通过对Chirp-z变换参数的调节,可以获得双谱之外的其他特征向量,提高了频域分析的灵活性。由于特征空间中各个特征分量所包含的信息量不同,为了压缩特征向量的数据量,采用了扩展的Fisher准则进行特征排序和选择,将具有最强可分离度的参数,作为表征待测目标的最终特征向量。在分类阶段,使用基于网格划分的蚁群算法优化支持向量机的参数选择过程。然后将特征向量输入支持向量机进行学习和测试,最终输出目标的分类结果。仿真结果显示,复双谱对角切片算法可以得到很好地实现目标识别的效果。进一步验证了本文提出的目标识别算法的研究价值和可行性。