针对轮式和履带式车辆微动信号的差异对目标车辆进行了识别分类,利用集合经验模式分解(EEMD)将原始信号分解为多个本征模函数(IMF),通过相关性分析,验证了EEMD能够有效克服EMD所带来的模态混叠问题。在此基础上,提取了4种特征,采用最近邻方法进行分类。实验结果表明:经EEMD所提取的特征是有效的,对目标速度,以及方位角的变化具有相当的稳健性。 车辆微动信号提取及分类根据上述方法建立了仿真模型，在此基础上添加了动杂波，并对各个方位角以及不同的速度进行了仿真。2基于EEMD的微多普勒信号抽取合成孔径雷达(syntheticapertureradar，SAＲ)微多普勒信号是从SAＲ方位向回波信号中提取的，因此，首先需要对SAＲ/地面目标指示器(GMTI)原始回波数据进行距离向压缩和距离徙动校正［5］，然后，对所得的信号进行动态主元分析(，DPCA)处理，从而抑制静杂波;最后进行EEMD提取微动信号。提取及分类-数控滚圆机张家港切管机价格低电动液压滚圆机多少钱流程如图1。本征模函数(IMF)DPCAEEMD距离徒动矫正距离向压缩预处理SAR/GMTI原始回波图1微多普勒信号提取流程2．1EEMD算法EEMD使高斯白噪声均匀分布在各个频段本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name，波形更加平滑，此时，杂波也被包含在噪声中，经过多次迭代克服了EMD由于极值点分布不均匀造成的模态混叠问题。对所得到的回波信号进行EEMD步骤如下:1)向回波信号添加一组均匀的高斯白噪声，产生新的信号;2)对新信号进行EMD，得到若干个本征模函数(intrin-sicmodefunction，IMF)和一个余项为X(t)=∑nj=1xj+rn(1)式中X(t)为步骤(1)中的新信号;xj为对应的第j个本征模函数;rn为分解到最后剩下的余项。3)继续给回波信号添加均匀白噪声，重复步骤(1)和步骤(2)，重复次数与预定义的迭代次数有关，一般多于100次。最后，得到多个步骤(2)的结果为Xi(t)=∑nj=1xij+rin(2)式中Xi(t)为第i次迭代时步骤(1)产生的新信号;xij为第i次迭代时经EMD产生的第j个IMF;rin为第i次迭代时经EMD产生的余项。4)对步骤(3)所得到的各个IMF和余项取均值得到最终的IMF和余项，具体表示如下xj=xij/3EEMD结果3基于EEMD的轮式和履带式车辆分类算法3．1算法原理主要通过2种算法实现了对车辆目标的分类:EEMD算法以及基于微动信号的差异性所做的特征提取算法，流程如图4。最近邻分类车辆类型4个特征特征提取IMFs选样IMFs相关性分析图4车辆算法流程3．1．1基于相关性分析的有效IMF选择提出了相关性分析方法描述EMD与EEMD之间的具体差异。相关系数计算如下λj=∑k(xjk－珋x)(Sk－S)∑k(xjk－珋x)2∑k(Sk－S)槡2(5)式中λj为第j个IMF分量xj与车身信号或者微动信号S的相关系数;xjk为第j个IMF分量信号序列中的第k个元素;x珋为各个IMF相加后再求取均值;S为车身信号或者微动信号的均值。利用EEMD对轮式车辆和履带式车辆进行信号分解，对分解后的各个IMF与其车身信号以及微动信号做相关性分析，得出了如下实验结论:1)有效的IMF选择:实验中选择0．1作为门限值，因此，本文仅选择前5个IMF进行实验分析。2)基于EEMD微多普勒信号分离的效果分析:从表1可以看出，EEMD能克服模态混叠问题，使得微多普勒信提取及分类-数控滚圆机张家港切管机价格低电动液压滚圆机多少钱本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name