基于交通微波测距雷达的船舶分型方法

基于交通微波测距雷达的船舶分型方法

现阶段，民用岸基雷达主要依靠ais完成。由于AIS需要船舶与岸基雷达互动才能完成船舶信息交流,因此在无法用AIS进行沟通的情况下,岸基雷达对于船舶的分型有很大困难。由于交通微波雷达对车辆分型的技术相对成熟,因此文章在借鉴此种技术的基础上对于岸基雷达目标回波信号进行分析,提出了一种岸基雷达对船舶分型的方法。公路交通微波测距雷达的信号格式和回波信号与岸基雷达的信号格式和回波信号存在以下不同:A、在公路交通中对于车辆分型所用的信号格式主要为三角波调制,脉内线性载频,载频频率在10GHZ以上,且发射功率较小,一般在几毫瓦。B、在岸基雷达和航海雷达中,一般采用矩形脉冲调制,脉内线性调频,使用载频一般都在9.3GHZ左右线性变化,且功率比较大,一般为1W。C、由于公路上物标干扰严重,树木、道路等不同地表回波杂乱,因此在给车辆做分型时候具有很大困难。D、岸基雷达中的杂波主要来自于海杂波,因此只要去除海杂波的影响以后,船舶分型所受的杂波干扰要远远小于公路交通汽车分型所受干扰。由于海杂波所形成的噪声分布已经有了很多研究,所以在噪声去除的过程中也有很多方法,最为常用的就是积分降噪。文章中岸基雷达回波信号在积分降噪的基础上进行了Bayes自动门限判别并进行了航迹相关处理,方法详见文献,由此可保证岸基雷达对于同一目标进行分型,保证了准确率。E、在信号处理过程中,公路交通中既使是单一车辆回波信息的相关度也比较小,并且回波信息收集时间短,因此每个相关波数相对比较多。F、岸基雷达回波信息相关度相对比较大,并且回波收集时间比较长,因此相关波数可以与交通雷达等同,但是其相关度处理在实际意义和方法上显得至关重要。G、在对散点图处理过程中,交通微波测距雷达使用的是盒子维。H、在对散点图处理过程中,岸基雷达的回波的盒子维分型曲线由于直线区域比较大,因此更加适合网格维处理,因此文章在维数处理时使用了网格维。文章针对岸基雷达对于船舶分型问题首先做了信号相关度处理,并通过相关度处理后的矢量空间重构提出了目标轨迹中二元平面的最大主元量。然后再提取各个回波中的两个最大主元信息,并将它们的坐标位置标注在此二元平面上。文章讨论了盒子维和网格维的适用条件,并且对于三种不同目标回波在最大主元平面上所分解得到的散点图的适用做了分析。最后文章采用了网格维对散点图进行了处理,得到了不同种类目标回波的维数曲线。通过MATLAB仿真实验证明,网格维能够很清晰地将三种目标的维数曲线差异区别开,最后分型结果正确,且具有比较好的稳定性,可以作为AIS系统的有益补充。1详情1.1根据《船舶回波的信号的特征向量的最大主元平面上进行描述,并构造并进行分解(1)设采集到的回波为Xk,Xk是具有M个采样点的时间序列:Xk=[x1,x2,x3,x4,x5,……,xM];(2)连续采集N个回波,即将时间序列X嵌入N维空间,构成N维状态转移轨迹,形成如下矩阵:X=⎡⎣⎢⎢⎢⎢⎢⎢x11x12x13⋯x1Mx21x22x23⋯x2Mx31x32x33⋯x3M⋯⋯⋯⋯xN1xN2xN3⋯xNM⎤⎦⎥⎥⎥⎥⎥⎥X=[x11x12x13⋯x1Μx21x22x23⋯x2Μx31x32x33⋯x3Μ⋯⋯⋯⋯xΝ1xΝ2xΝ3⋯xΝΜ](3)做信号自相关运算后找出最大相关时间,然后提取最大维数N。对于N维状态转移空间,提取最大特征值的几个子空间。文章提取的是最大的两个特征值,其所对应的向量构成的平面就是二元最大主元平面。其中,相邻两行数据对应元素之间的时间间隔为τ,τ的最佳取值为时间序列自相关函数的第一零点时间。设每个回波序列有300个采样点,即M=300。由MATLAB仿真得第一零点位置为10,因此文章中τ取10,所以N的最大值为30,即重构空间最大维数为30。(4)求特征值和特征向量,并对信号在最大特征向量所组成的最大主元平面上做矢量分解。先做A=XXT则A为轨迹协方差矩阵,A为一个M×M的矩阵,且A必定是一个满秩矩阵。对A进行特征值分解,得A=XXT=U∧UT其中,U为A的特征向量矩阵,∧为对角阵,∧对角线上的值为A的特征值λ1,λ2,λ3,λ4,λ5,λ6,λ7,λ8,……,λ30。将特征值自小到大排列,则对应的特征向量在U中也自左向右排列。取A最大的两个特征值λ29、λ30对应的特征向量U29、U30作为二维平面的两个坐标轴,此平面即为最大主元平面。因此可得状态转移轨迹X在此平面上的投影,即进行坐标转换,得:Z={(z29,z30)=(uT2929Τx,uT3030Τx}文章中,雷达发射波频率为9GHZ～9.3GHZ线性增大,采用矩形脉冲调制,发射功率1W,扫描起始频率9GHZ,扫描间隔1MHZ,不同型船舶回波波形及在最大主元平面上映射的图象如图2。实验证明,船舶回波进行最大主元分解和投影以后,往往在最大主元空间形成规则的和对称的图像。1.2应用网格法的限制文章采用图像分型的方法,即利用分型算法对最大主元平面上的图像进行分析,最后得到目标的分型差异。在分型理论中,最常用的是盒子维的分型方法。盒子维定义式如下:D=log(N(ε))log(ε)D=log(Ν(ε))log(ε)其中:N(ε)是需要覆盖整个有点区的盒子最小数目,ε是盒子的直径,若采用方形盒子,ε为盒子的边长。盒子维不仅适用于严格自相似图形,而且适用于统计相似图形,文章的三幅待处理图形属于统计相似图形,因此盒子维适用,即在盒子维基础上衍生出的网格法适用。Jim指出:用盒子维计算时,当盒子大到一定程度,则盒子数就会比较少,在分型结果中将会出现阶梯形,会影响分型结果。因此,在盒子维的基础上衍生出来的网格法能够更好地适用于分型。Jim同时指出如果在盒子维曲线上直线段区域较长,用网格法更加适宜。图3是盒子维对F3类船舶进行分型的对数曲线,接近直线段的区域很大,因此文章采采用网格法更加适宜。网格法核心思想是:将区间等分成长为δ的m个小区间I1,I2,I3……Im,在每个区间IK上计算rk=sup{f(x1)−f(x2)|x1,x2∈Ik}N(ε)=(∑k=1mrk)/εrk=sup{f(x1)-f(x2)|x1,x2∈Ιk}Ν(ε)=(∑k=1mrk)/ε然后做N(ε)的对数与ε比值曲线即可。图4中F1船型的网格维分型曲线为右侧第一条,F2船型的网格维分型曲线为中间一条,F3船型的网格维分型曲线为最左边一条。有图4可见,网格维对于三种船舶散点图像处理结果具有较大差别,能够很好的对三类船舶进行分型,并且结果稳定,达到预想效果。2种不同种类目标的维数曲线的提取文章通过对信号状态转移空间进行分解的方法得到最大主元平面,并将信号在此平面上投影,得到三种不同目标回波的散点图。此三种目标回波的散点图