基于 SDR 利用微多普勒特征的频谱图图像进行金属分类
信号处理
2025-05-20 v1 图像与视频处理
摘要
黄铜、铜和铝等金属材料被广泛应用于包括工业制造在内的众多领域。这些物体的振动特性是独特的，可用于从远处识别这些物体。本研究提出了一种利用微多普勒特征诱导的振动动力学来检测与分类这些金属物体的方法。该方法利用图像处理技术从频谱图中提取关键特征。这些频谱图源自受控实验室实验中收集数据的微多普勒特征，实验中向振动的金属片发射信号，并使用软件定义无线电（SDR）记录随后的反射。频谱图数据通过几何变换进行增强，以训练用于目标分类的基于卷积神经网络（CNN）的机器学习模型。结果表明，所提出的 CNN 模型在将金属分类为黄铜、铜和铝时达到了 95% 以上的准确率。本研究可用于理解利用微多普勒特征进行频谱图图像分类的基础，及其在增强工业与国防应用传感能力方面的应用。
引用
@article{arxiv.2410.19632,
title = {SDR-Based Metal Classification using Spectrogram Images from Micro-Doppler Signatures},
author = {Salman Liaquat and Faran Awais Butt and Faryal Aurooj Nasir and Ijaz Haider Naqvi and Nor Muzlifah Mahyuddin and Ali Hussein Muqaibel and Saleh Alawsh},
journal= {arXiv preprint arXiv:2410.19632},
year = {2025}
}
备注
11 pages, to be published in the May 2025 issue of the IEEE Instrumentation & Measurement Magazine