[发明专利]一种基于机器学习的MIMO雷达的材料识别方法

说明书

本发明公开了一种基于MIMO雷达的材料识别方法，首先用MIMO雷达采集样本材料回波信号，接着对回波进行特征提取，得出能够区分不同材料的特征参数，之后利用机器学习算法确定不同材料和特征参数之间的映射关系；最后根据所得到的映射关系，判决MIMO雷达探测的物体属于何种材料。本发明方法有效可行，性能可靠，可以准确地对材料进行识别。

技术领域

本发明属于雷达领域，特别是一种基于机器学习的MIMO雷达的材料识别方法。

背景技术

传统的材料识别方法是利用破环性或者非破坏性方法对物体采样后进行识别分类。例如，克洛德·朗贝尔、让-米歇尔·阿尚所著的《回收来自报废物品的材料的方法》中提出“将物品(12)破碎成颗粒(15)、远距离检测每个颗粒可能带有的标记物”；由于待识别物体是报废物品，该方法对待识别物体采用了破坏性的手段，不会影响后续对报废物品的操作；然而当待识别物体不能被破坏时，该方法会失效。

金宰完、金益载等人的专利《用于识别对象材料的方法和设备》中提出“所述设备包括：成像相机单元，用于捕捉包括空间中的各种对象的空间图像；探测雷达单元，用于将入射波发送到对象，并接收包括来自每个对象的表面的表面反射波和来自每个对象的内部反射波的空间雷达信息；信息存储单元，用于存储与每个对象的材料相应的参考物理性质信息；材料识别处理器，用于通过使用存储在信息存储单元中的参考物理性质信息、由成像相机单元提供的空间图像和由探测雷达单元提供的空间雷达信息来识别每个对象的材料信息”；该专利文献使用相机和雷达来记录待测物体信息，直接与参考物理性质信息进行比较，当物体所处环境发生变化时，该方法的判断结果与实际类别之间会出现很大的偏差。

破坏性的采样方法虽能精准地进行材料的分类与识别，但会对被检测物体造成破坏，因此在古董鉴别，珍贵物品识别等方面具有局限性。非破坏性采样的方法通常为利用相机对被测物体进行拍摄，由场景中的对象的反射的2维或3维的光谱信息进行材料识别，但这种方法无法得到被测对象的厚度，密度，介电系数等信息，这样会造成物体的误判。

发明内容

本发明的目的在于提供一种基于机器学习的MIMO雷达的材料识别方法。

实现本发明目的的技术解决方案为：一种基于机器学习的MIMO雷达材料识别方法，包括以下步骤：

步骤1、用MIMO雷达中的X个天线采集样本材料回波信号，从所采集到的回波信号中截取Y分钟回波信号进行特征提取，得出特征参数，所述特征参数包括：所有天线对的材料回波信号的平均包络chan_mean、每个天线对的材料回波信号包络平均值data_sel_mean、回波信号的全局最大值al_max、全局最小值al_min、全局平均值al_mean和全局均方根al_rms；之后按照所采集的材料对所提取的相应特征进行标记，建立MIMO雷达特征数据库D，具体为：

步骤1-1、提取MIMO雷达的X个天线对的信号回波的平均包络chan_mean，具体为：第at_i个天线对获得的回波信号为Sig(at_i，num_t)，at_i＝1，2，…，X，num_t为时间变量；对Sig(at_i，num_t)进行采样，得到的信号表示为Sig(at_i，num_i)，其中at_i＝1，2，…，X，num_i＝1，2，…num，其中num为信号采样点数；对Sig(at_i，num_i)进行希尔伯特变换，得到第at_i个天线对的信号回波包络Env(at_i，num_i)；得到所有天线对的信号回波包络后，将Env(at_i，num_i)对at_i求平均，得到回波信号平均包络chan_mean(num_i)，其中num_i＝1，2，…num,即chan_mean为num维向量；