人員及車輛目標地震動信號識別方法研究.pdf

1、隨著軍事技術(shù)的進步與發(fā)展，我國信息偵察技術(shù)正向立體化、精確化、綜合化方向發(fā)展。在對地面運動目標人員及車輛的偵察監(jiān)測中，震動傳感器是一種普遍使用的地面?zhèn)鞲衅?，它通過記錄地震波來探測目標，通常可以探測到20m以內(nèi)運動的人員目標以及200m以內(nèi)的車輛目標。人員及車輛產(chǎn)生的地震動信號屬于典型的非平穩(wěn)隨機信號，對其進行分析、處理過程顯得尤為重要。近年來，經(jīng)驗?zāi)B(tài)分解（ Empirical Mode Decomposition, EMD）已成為處理

2、非平穩(wěn)隨機信號的熱點方法，被廣泛應(yīng)用到地震動信號的處理中。
　　首先，本文介紹了人員及車輛目標地震動信號的去噪方法和識別方法的國內(nèi)外研究現(xiàn)狀，并研究了地震動信號的發(fā)生和傳播機理，描述了震動傳感器信號采集裝置，對人員、輪式車和履帶車所產(chǎn)生的地震動信號進行采集并建立樣本庫。之后，根據(jù)地震動信號的特性，詳細研究了幾種經(jīng)典的時頻分析方法，并通過實驗進行對比驗證，分析了短時傅里葉變換(Short Time Fourier Transform

3、, STFT）、維格納分布（ Wigner-Ville Distribution, WVD）在處理地震動信號時的缺陷。
　　之后，由于短時傅里葉變換法和維格納分布法在處理具有非線性和非平穩(wěn)特征的地震動信號時存在缺陷，針對此問題，本文采用集成經(jīng)驗?zāi)B(tài)分解（Ensemble Empirical Mode Decomposition, EEMD）算法對實測人員、車輛產(chǎn)生的地震動信號進行處理。由于人員、車輛等產(chǎn)生的地震動信號往往會受到背景

4、噪聲等外界條件的干擾，難以識別。因此，本文對經(jīng)EEMD分解得到的固有模態(tài)函數(shù)（Intrinsic Mode Function, IMF）高頻分量進行小波閾值去噪。通過MATLAB進行仿真實驗，將本論文提出的EEMD-小波閾值聯(lián)合去噪方法與其他去噪方法進行對比分析，驗證了該方法能夠有效地提高人員及車輛產(chǎn)生的地震動信號的信噪比，同時也解決了去噪過程中有效信息丟失的問題。
　　最后，針對外界環(huán)境復(fù)雜多變，無法建立大型的數(shù)據(jù)庫的問題，建立

5、了適用于小樣本數(shù)據(jù)集的EEMD-SVM非平衡決策樹模型：對去噪后的IMF分量進行篩選，保留有效的IMF分量，計算其歸一化能量特征矩陣，再將特征矩陣輸入到SVM非平衡決策樹分類器中，進行人員、輪式車和履帶車的逐層識別。同時，對本文提出的EEMD-SVM非平衡決策樹模型進行仿真實驗，驗證了該模型可以準確、高效地對人員、輪式車和履帶車進行分類識別。此外，本文建立了 MATLAB的GUI界面，模擬出了一個基于EEMD-SVM非平衡決策樹模型的人