基于PCA-LDA-SVM的多普勒雷达车型识别算法.docVIP

基于PCA-LDA-SVM的多普勒雷达车型识别算法 方菲菲1,2，余稳1,3 （1.中国科学院上海微系统与信息技术研究所, 上海 200050 2.中国科学院研究生院, 北京 100039 3.上海慧昌智能交通系统有限公司，上海，200233) 摘要：车辆检测和车型识别是智能交通系统(ITS)中的一个重要方面，而目标识别是低分辨率雷达领域的一个难点。该文提出一种用多普勒雷达进行车型识别的方法，把车辆建模成包含多个散射中心的目标体，散射中心与雷达的距离与频谱能量有关，因此同一目标的频谱变化反映了该目标长高等轮廓特征。然后将有效的频谱特征结合主成分分析(PCA)和线性判别分析(LDA)进行降维，再利用支持向量机(SVM)等分类器实现分型。最后，文章对不同识别算法交叉验证的实验结果进行比较，表明基于PCA-LDA-SVM的车型识别算法效果理想，有广泛的应用前景。 关键字: 雷达目标识别；多普勒雷达；主成分分析；线性判别分析；支持向量机 中图分类号：TN958.95 文献标识码：A Vehicle Recognition algorithm with Doppler Radar Based on PCA-LDA-SVM Fang Feifei1,2 , Yu Wen1,3 (1.Chinese Academy of Sciences, Shanghai In stitute of Microsystem and Information Technology Institute Shanghai,200050 2.the Graduate School of Chinese Academy of Sciences BeiJing , 100039 3.shang hai huichang intelligent transportation system co.LTD, Shanghai, 200233) Abstract: Vehicle detection and recognition is of great importance to the development of Intelligent Transportation System(ITS)，but Target Recognition is a challenging problem for low_resolution Radar. This paper proposes a Vehicle Recognition approach using Doppler Radar, and the spectrum variation of one vehicle reflects its outline. Then, the dimension of effective spectrum feature can be reduced by the methods of Principal Component Analysis(PCA) and Linear Discriminant Analysis(LDA), then vehicles can be classified into three types by classifier algorithms such as Support Vector Machine(SVM), k-Nearest Neighbor(KNN). At last, the paper compares the experiment results of different algorithms by cross validation, and shows the algorithm based on PCA-LDA-SVM can achieve ideal result. Key Words: Radar target recognition; Doppler Radar; Principal Component Analysis; Linear Discriminant Analysis; Support Vector Machine 1.引言 随着经济的不断发展，人们的生活水平得到极大的提高，但同时也引来一系列问题，交通环境的恶化就是其中一个方面。因此，力在改善交通环境的智能交通系统（ITS）[1]应运而生，其高效的运行离不开车流量，车速以及车型等交通信息的检测。相比车流量和车速检测的成熟性，车型识别发展稍显滞后，而车型类别无论在交通情况调查还是在高速公路网收费系统多路径确认等方面都很重要，因此近年来成为关注的热点之一。 目前常用于车型识别的方式有感应线圈，视频，红外，超声波，微波等[2]。其中微波检测受环境影响小，可全天候