基于时频分析的UWB目标探测识别研究

超宽带(Ultra Wideband,UWB)是一种短距离无线通信技术。与传统无线通信技术不同,超宽带不采用载波调制的方式,而是直接采用时间宽度非常窄(纳秒级)的脉冲进行调制,具有频谱范围宽(可达数G Hz)、传输速率高及抗干扰能力强等诸多特点。近年来,利用分辨率高、多径分辨能力强的超宽带技术研制的超宽带雷达发展迅速,广泛应用于军事丛林目标识别、地下矿产资源探测等方面,成为目标识别领域的重要手段。 超宽带雷达通过分析回波信号完成目标探测。但在某些实际使用中,例如反恐作战、灾后人员救援定位等,不仅仅需要完成目标识别,还需要实现通信以协作完成任务。在这样的场景中,超宽带雷达只能用于目标的探测和识别,无法完成通信任务,因而无法满足需求。 为了解决上述问题,在深入研究超宽带技术的基础上,本文提出了一种结合时频分析和聚类算法的UWB目标识别研究新方法,以达到在通信过程中辨别目标的目的。首先,本文对课题进行了调研,了解课题研究的背景、现状、目的及意义。其次,针对课题,研究了时频分析法和聚类算法。然后,基于超宽带接收信号的时频分布特点,提出了时频分析与聚类算法相结合实现目标探测识别的新方法。新方法一方面利用时频分析获得信号的时间-能量分布以表征目标特性；另一方面,经过研究发现,原始的K-means聚类算法随机地挑选数据点作为初始中心。这种随机性使得聚类结果与初始聚类中心的选择密切相关,算法不稳定。若选择的聚类中心离实际中心较远,则算法计算量大大增加。为了减少这种不稳定性和迭代计算次数,本文对K-means聚类算法进行了改进和优化。改进的算法不再随机地挑选初始的聚类中心点,而是通过对原始数据的初步处理、筛选和小规模计算,使得最初的聚类中心能够尽量靠近实际数据集的聚类中心。以此改进算法来减少聚类的迭代次数,提高聚类的效率和稳定性。最后,将时频分析与改进的聚类算法相结合,进行超宽带目标探测识别。为了验证本文提出的新方法的有效性,课题进行了大量的场景实测。实测数据分析表明,本文的新方法具有较高的识别率,能够快速有效地识别出超宽带通信信道中存在的目标物体,抗噪性能较好,并且K-means的改进算法能够提高方法的性能。本文提出的新方法具有一定的研究意义和实用价值。