CN103344947A - 基于微多普勒效应的微动目标特征提取方法 - Google Patents

基于微多普勒效应的微动目标特征提取方法 Download PDF

Info

Publication number
CN103344947A
CN103344947A CN201310217013XA CN201310217013A CN103344947A CN 103344947 A CN103344947 A CN 103344947A CN 201310217013X A CN201310217013X A CN 201310217013XA CN 201310217013 A CN201310217013 A CN 201310217013A CN 103344947 A CN103344947 A CN 103344947A
Authority
CN
China
Prior art keywords
micro
frequency
doppler
characteristic extraction
emd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201310217013XA
Other languages
English (en)
Inventor
李智
彭明金
王强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan University
Original Assignee
Sichuan University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sichuan University filed Critical Sichuan University
Priority to CN201310217013XA priority Critical patent/CN103344947A/zh
Publication of CN103344947A publication Critical patent/CN103344947A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提出一种基于微多普勒效应的微动目标特征提取方法，首先通过引入HHT到微动目标特征提取中，针对HHT在特征提取的模态混叠的问题，提出了基于降采样EMD的HHT算法，通过对原始信号的降采样后得到的多组数据进行加噪EMD分解并求和平均，从而有效解决了HHT在振动目标特征提取中的图谱模式混叠问题，不仅抑制了原始信号的噪声，提高信噪比，还降低了多组数据的EMD运算复杂度，大大减少运算量，提高运算速度，达到了比较好的微多普勒特征提取效果。在通过综合传统时频分析方法和改进的HHT算法的优势，提出了基于改进的HHT的微多普勒特征参数提取模型，在模型中通过加入谱图峰值估计法，对传统时频分析谱图中的分辨率问题进行了改进和改善，作为HHT特征提取的辅助手段，达到提高振动目标特征提取的准确性和实用性要求。

Description

基于微多普勒效应的微动目标特征提取方法
技术领域
本发明涉及一种微多普勒效应的微动目标特征提取方法，适用于非接触的目标检测和识别领域。 
背景技术
当探测器与被测目标间存在相对运动时便会产生多普勒频移, 此现象称为多普勒效应。除相对运动外，目标自身还有其他运动如直升飞机螺旋桨的转动，轮船上旋转的雷达天线等小幅振动或转动。由自身的附加运动引起的信号频率的展宽现象，即微多普勒效应。表现在频谱上就是存在频谱旁瓣或展宽，这种旁瓣或展宽表征了微动目标本身特有的参数数据，如反映了目标的电磁特性、几何机构和运动特征，为目标特征提取和目标识别提供了新的途径。V.C.Chen对点散射体的振动和刚体目标的旋转所产生的微多普勒进行了微动建模、理论推导和仿真技术，给出了四种单一微动（振动、旋转、翻转和锥旋）的微多普勒时频特征，并从以下雷达实验数据中成功提取出相应的微多普勒时频特征。 
基于微多普勒效应的目标探测可以帮助人们完成复杂环境的判断和分析，为微动动目标的快速探测和精确识别提供有力保障。基于激光微多普勒效应的振动目标识别的前提是回波信号的特征参数的精确提取。在现在的微多普勒特征提取中，大部分使用的传统的时频分析方法，比如短时傅里叶变换、WVD、SPWVD等，这些时频分析方法存在时域和频域的分辨率问题或者核函数的选择问题，对于微多普勒的特征提取存在很大的缺陷，因此需要一种更好的微多普勒特征提取的方法，能够很好的对微多普勒特征参数进行提取。 
发明内容
该发明的目的是克服传统时频分析方法在微多普勒特征提取中的不足，提出基于降采样EMD的希尔伯特黄变换（HHT）和峰图谱值的微多普勒特征提取模型。 
该发明首先通过引进HHT到微多普勒的特征中，HHT由EMD和Hibert变换两部分，由于EMD存在模式混叠问题，对其进行改进，得到基于降采样EMD的HHT。通过对微多普勒信号进行降采样，得到多种的微多普勒数据，然后分别多每组数据添加相应的高斯噪声和EMD变换，最后进行求和平均，得到微多普勒信号的本征模态函数（IMF）。再分别对本征模态函数（IMF）进行Hilbert谱分析以及传统时频变换加谱图峰图谱值估计，进而对微多普勒特征参数进行估计和提取。 
附图说明
图1是本发明的基于降采样EMD的HHT和峰值谱图估计的微多普勒特征提取模型图； 
图2是本发明的改进的降采样EMD计算流程图。
具体实施方式
所述的基于改进的降采样EMD的HHT和峰值谱图估计的微多普勒特征提取方法描述如下： 
输入: 采集得到的微多普勒数据 ; 
输出: 基于微多普勒的振动目标的平动速度、微动幅值、微动频率等特征参数； 
阶段1：
   （1）将原始振动目标微多普勒数据
Figure 103604DEST_PATH_IMAGE001
进行降采样的EMD分解；
   （2）对得的多组IMF进行整体平均，得到供阶段2处理的IMF。
   
    阶段2：
(1) 将阶段1得到的IMF分别进行Hilbert变换，求得相应的Hilbert时频谱；
（2）对时频谱估算微动目标的平动速度、微动幅值、微动频率等特征参数；
（3）将阶段1中的IMF进行传统时频变换（STFT、WVD、SPWVD等），得到时频分布；
（4）将相应时频分布图进行峰值谱图估计；
（5）对峰图谱值估计图进行微动目标的平动速度、微动幅值、微动频率等特征参数，作为（2）的参数估计补充。
                  
所述的降采样EMD的算法描述如下：
(1) 降采样：对原始信号数据
Figure 804100DEST_PATH_IMAGE001
进行等间隔的降采样，可以得到
Figure 201310217013X100002DEST_PATH_IMAGE002
组具有较低采样率的数据；
(2) 加噪声：分别为每组较低采样率的数据添加一定强度的高斯白噪声
Figure 201310217013X100002DEST_PATH_IMAGE003
，且添加的白噪声互不相同；
(3) EMD分解：对（2）中得到的添加有白噪声的
Figure 36367DEST_PATH_IMAGE002
个序列
Figure 201310217013X100002DEST_PATH_IMAGE004
分别进行EMD分解，进而得到相应的IMF分量
Figure 201310217013X100002DEST_PATH_IMAGE005
；
    (4) 求和平均：根据（3）EMD分解后的多组IMF，进行相应的求和，并得其平均值，计算结果作为原始信号的IMF分量。公式如下所示：
Figure 201310217013X100002DEST_PATH_IMAGE006
所述的峰图谱值估计算法描述如下：
    谱图峰值估计法就是利用瞬时频率能代表谱图峰值位置的特点，进行的目标瞬时频率提取。谱图峰值估计的公式如下所示：
Figure 201310217013X100002DEST_PATH_IMAGE007
式中，
Figure 201310217013X100002DEST_PATH_IMAGE008
为传统时频分析得到的时频变换数据，为
Figure 201310217013X100002DEST_PATH_IMAGE009
矩阵；
于是，可以得到微多普勒频率的表达式如下：
Figure 201310217013X100002DEST_PATH_IMAGE010
    其中
Figure 201310217013X100002DEST_PATH_IMAGE011
表示目标平动的多普勒频移，可以得到一个的微多普勒频率矩阵表示。假设微多普勒信号的时长为
Figure 201310217013X100002DEST_PATH_IMAGE013
，于是对于时刻
Figure 201310217013X100002DEST_PATH_IMAGE014
的微多普勒频率，可以根据对微多普勒频率矩阵求
Figure 201310217013X100002DEST_PATH_IMAGE015
（取整）值，进而读取相应列的值就可以得到相应的微多普勒频率。
具体步骤如下： 
    （1）根据时频分布矩阵
Figure 793362DEST_PATH_IMAGE008
，提取
Figure 201310217013X100002DEST_PATH_IMAGE016
时刻的对应取得最大值时的纵坐标值，得到的纵坐标值就是微多普勒频率值
Figure 201310217013X100002DEST_PATH_IMAGE017
；                                                  
Figure 201310217013X100002DEST_PATH_IMAGE018
   （2）提取所有时刻点的微多普勒频率
Figure 900077DEST_PATH_IMAGE017
，并存入
Figure 237387DEST_PATH_IMAGE012
的频率矩阵
Figure 201310217013X100002DEST_PATH_IMAGE019
；
Figure 201310217013X100002DEST_PATH_IMAGE020
3）提取振动目标的振动周期，根据微多普勒频率振动曲线，提取连续出现的最大峰值点，并得到相应时间间隔，即为振动周期；
4）如果振动目标值存在相应的微小振动时，这时微多普勒频率的最大和最小值绝对值相等，符号相反。如果振动目标不仅存在微小振动，还存在体运动时，微多普勒频率的最大最小值不再大小相等，符号相反，而是在进行相应的上移或下移，其中它的移动量即为振动目标的体平移速度。因此我们有，
Figure 201310217013X100002DEST_PATH_IMAGE022
,其振动目标的体平移速度为：
Figure 201310217013X100002DEST_PATH_IMAGE023
        。

Claims (3)

1.一种基于微多普勒效应的微动目标特征提取方法，其特征在于该方法主要包括以下阶段和步骤：
     阶段1：
    （1）将原始振动目标微多普勒数据                                                进行降采样的EMD分解；
    （2）对得的多组IMF进行整体平均，得到供阶段2处理的IMF；
     阶段2：
     （1）将阶段1得到的IMF分别进行Hilbert变换，求得相应的Hilbert时频谱；
    （2）对时频谱估算微动目标的平动速度、微动幅值、微动频率等特征参数；
    （3）将阶段1中的IMF进行传统时频变换（STFT、WVD、SPWVD等），得到时频分布；
    （4）将相应时频分布图进行峰值谱图估计；
    （5）对峰图谱值估计图进行微动目标的平动速度、微动幅值、微动频率等特征参数，作为（2）的参数估计补充。
2.根据权利要求1所述的基于微多普勒效应的微动目标特征提取方法，其中降采样EMD算法其特征在于如下步骤：
     （1） 降采样：对原始信号数据
Figure 333949DEST_PATH_IMAGE001
进行等间隔的降采样，可以得到
Figure DEST_PATH_IMAGE002
组具有较低采样率的数据；
     （2） 加噪声：分别为每组较低采样率的数据添加一定强度的高斯白噪声
Figure DEST_PATH_IMAGE003
，且添加的白噪声互不相同；
   （3） EMD分解：对（2）中得到的添加有白噪声的
Figure 700558DEST_PATH_IMAGE002
个序列
Figure DEST_PATH_IMAGE004
分别进行EMD分解，进而得到相应的IMF分量
Figure DEST_PATH_IMAGE005
；
     （4） 求和平均：根据（3）EMD分解后的多组IMF，进行相应的求和，并得其平均值，计算结果作为原始信号的IMF分量，公式如下所示：
                       
Figure DEST_PATH_IMAGE006
。
3.根据权利要求1所述的基于微多普勒效应的微动目标特征提取方法，其中所述的峰图谱值估计算法其特征在于如下描述：
谱图峰值估计法就是利用瞬时频率能代表谱图峰值位置的特点，进行的目标瞬时频率提取，谱图峰值估计的公式如下所示：
Figure DEST_PATH_IMAGE007
式中，
Figure DEST_PATH_IMAGE008
为传统时频分析得到的时频变换数据，为
Figure DEST_PATH_IMAGE009
矩阵；
于是，可以得到微多普勒频率的表达式如下：
    其中
Figure DEST_PATH_IMAGE011
表示目标平动的多普勒频移，可以得到一个
Figure DEST_PATH_IMAGE012
的微多普勒频率矩阵表示，假设微多普勒信号的时长为
Figure DEST_PATH_IMAGE013
，于是对于时刻
Figure DEST_PATH_IMAGE014
的微多普勒频率，可以根据对微多普勒频率矩阵求（取整）值，进而读取相应列的值就可以得到相应的微多普勒频率；
具体步骤如下：
    （1）根据时频分布矩阵
Figure 583152DEST_PATH_IMAGE008
，提取
Figure DEST_PATH_IMAGE016
时刻的对应取得最大值时的纵坐标值，得到的纵坐标值就是微多普勒频率值
Figure DEST_PATH_IMAGE017
；                                                  
Figure DEST_PATH_IMAGE018
   （2）提取所有时刻点的微多普勒频率，并存入
Figure 695560DEST_PATH_IMAGE012
的频率矩阵
Figure DEST_PATH_IMAGE019
；
Figure DEST_PATH_IMAGE020
（3）提取振动目标的振动周期，根据微多普勒频率振动曲线，提取连续出现的最大峰值点，并得到相应时间间隔，即为振动周期；
（4）如果振动目标值存在相应的微小振动时，这时微多普勒频率的最大和最小值绝对值相等，符号相反，如果振动目标不仅存在微小振动，还存在体运动时，微多普勒频率的最大最小值不再大小相等，符号相反，而是在进行相应的上移或下移，其中它的移动量即为振动目标的体平移速度，因此我们有
Figure DEST_PATH_IMAGE021
，
Figure DEST_PATH_IMAGE022
,其振动目标的体平移速度为：
Figure DEST_PATH_IMAGE023
          。 
CN201310217013XA 2013-06-04 2013-06-04 基于微多普勒效应的微动目标特征提取方法 Pending CN103344947A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201310217013XA CN103344947A (zh) 2013-06-04 2013-06-04 基于微多普勒效应的微动目标特征提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201310217013XA CN103344947A (zh) 2013-06-04 2013-06-04 基于微多普勒效应的微动目标特征提取方法

Publications (1)

Publication Number Publication Date
CN103344947A true CN103344947A (zh) 2013-10-09

Family

ID=49279760

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201310217013XA Pending CN103344947A (zh) 2013-06-04 2013-06-04 基于微多普勒效应的微动目标特征提取方法

Country Status (1)

Country Link
CN (1) CN103344947A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104267394A (zh) * 2014-10-07 2015-01-07 电子科技大学 高分辨率人体目标运动特征检测方法
CN105277991A (zh) * 2014-05-30 2016-01-27 南充鑫源通讯技术有限公司 存在检测方法及装置
CN105445713A (zh) * 2015-11-13 2016-03-30 北京无线电测量研究所 一种高机动目标微动周期计算方法及系统
CN105629254A (zh) * 2015-12-24 2016-06-01 中国人民解放军电子工程学院 一种目标微动特征相干激光探测效果量化评价方法
EP3139195A1 (en) * 2015-09-02 2017-03-08 The Boeing Company Remote target identification using laser doppler vibrometry
CN106990398A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种旋转对称目标微动特征认知提取方法
CN107132512A (zh) * 2017-03-22 2017-09-05 中国人民解放军第四军医大学 基于多通道hht的uwb雷达人体运动微多普勒特征提取方法
CN110187320A (zh) * 2019-05-30 2019-08-30 六盘水三力达科技有限公司 一种改进雷达信号时频分析方法
CN111257872A (zh) * 2020-01-07 2020-06-09 哈尔滨工业大学 基于Radon变换与拉普拉斯算子的微多普勒抑制方法
CN111830483A (zh) * 2020-09-16 2020-10-27 福瑞泰克智能系统有限公司 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质
CN113009446A (zh) * 2021-03-02 2021-06-22 中国科学院空天信息创新研究院 一种基于最佳解调算子的悬停低慢小目标检测方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788969A (zh) * 2012-07-04 2012-11-21 中国人民解放军海军航空工程学院 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法
CN102914768A (zh) * 2012-09-25 2013-02-06 中国人民解放军海军航空工程学院 基于形态成分分析的海面微动目标检测和特征提取方法
CN103245937A (zh) * 2013-05-27 2013-08-14 四川大学 基于微多普勒效应的微动目标特征提取方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102788969A (zh) * 2012-07-04 2012-11-21 中国人民解放军海军航空工程学院 基于短时分数阶傅里叶变换的海面微动目标检测和特征提取方法
CN102914768A (zh) * 2012-09-25 2013-02-06 中国人民解放军海军航空工程学院 基于形态成分分析的海面微动目标检测和特征提取方法
CN103245937A (zh) * 2013-05-27 2013-08-14 四川大学 基于微多普勒效应的微动目标特征提取方法

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105277991A (zh) * 2014-05-30 2016-01-27 南充鑫源通讯技术有限公司 存在检测方法及装置
CN105277991B (zh) * 2014-05-30 2018-11-02 南充鑫源通讯技术有限公司 存在检测方法及装置
CN104267394A (zh) * 2014-10-07 2015-01-07 电子科技大学 高分辨率人体目标运动特征检测方法
EP3139195A1 (en) * 2015-09-02 2017-03-08 The Boeing Company Remote target identification using laser doppler vibrometry
US10156473B2 (en) 2015-09-02 2018-12-18 The Boeing Company Remote target identification using laser Doppler vibrometry
CN105445713A (zh) * 2015-11-13 2016-03-30 北京无线电测量研究所 一种高机动目标微动周期计算方法及系统
CN105629254A (zh) * 2015-12-24 2016-06-01 中国人民解放军电子工程学院 一种目标微动特征相干激光探测效果量化评价方法
CN105629254B (zh) * 2015-12-24 2018-04-20 中国人民解放军电子工程学院 一种目标微动特征相干激光探测效果量化评价方法
CN106990398A (zh) * 2016-01-21 2017-07-28 中国人民解放军空军工程大学 一种旋转对称目标微动特征认知提取方法
CN106990398B (zh) * 2016-01-21 2019-10-15 中国人民解放军空军工程大学 一种旋转对称目标微动特征认知提取方法
CN107132512B (zh) * 2017-03-22 2019-05-17 中国人民解放军第四军医大学 基于多通道hht的uwb雷达人体运动微多普勒特征提取方法
CN107132512A (zh) * 2017-03-22 2017-09-05 中国人民解放军第四军医大学 基于多通道hht的uwb雷达人体运动微多普勒特征提取方法
CN110187320A (zh) * 2019-05-30 2019-08-30 六盘水三力达科技有限公司 一种改进雷达信号时频分析方法
CN110187320B (zh) * 2019-05-30 2021-07-20 六盘水三力达科技有限公司 一种改进雷达信号时频分析方法
CN111257872A (zh) * 2020-01-07 2020-06-09 哈尔滨工业大学 基于Radon变换与拉普拉斯算子的微多普勒抑制方法
CN111830483A (zh) * 2020-09-16 2020-10-27 福瑞泰克智能系统有限公司 一种具有微动效应的目标的确定方法、装置、电子设备及存储介质
CN113009446A (zh) * 2021-03-02 2021-06-22 中国科学院空天信息创新研究院 一种基于最佳解调算子的悬停低慢小目标检测方法及装置
CN113009446B (zh) * 2021-03-02 2022-05-03 中国科学院空天信息创新研究院 一种基于最佳解调算子的悬停低慢小目标检测方法及装置

Similar Documents

Publication Publication Date Title
CN103245937A (zh) 基于微多普勒效应的微动目标特征提取方法
CN103344947A (zh) 基于微多普勒效应的微动目标特征提取方法
CN109001708B (zh) 基于分级积累检测的雷达机动目标快速精细化处理方法
Clemente et al. A novel algorithm for radar classification based on Doppler characteristics exploiting orthogonal pseudo-Zernike polynomials
CN106778610B (zh) 一种基于时频图像特征的脉内调制识别方法
CN102156282A (zh) 一种基于微多普勒效应的雷达目标检测方法
JP6301749B2 (ja) ドップラレーダ装置及びそのレーダ信号処理方法
CN103293521B (zh) 一种利用x波段雷达探测近海海域水深的方法
CN103913736A (zh) 基于谱图重排的激光微多普勒参数估计方法
CN103885043B (zh) 基于广义匹配滤波的飞机目标杂噪稳健分类方法
Zhao et al. Cubelearn: End-to-end learning for human motion recognition from raw mmwave radar signals
WO2014106907A1 (ja) レーダ装置
CN102914768A (zh) 基于形态成分分析的海面微动目标检测和特征提取方法
CN106019254A (zh) 一种uwb冲击生物雷达多人体目标距离向分离辨识方法
CN111665489A (zh) 一种基于目标特性的线谱提取方法
Park et al. Modified Hilbert-Huang transform and its application to measured micro Doppler signatures from realistic jet engine models
CN111693954A (zh) 空间旋转群目标微多普勒分离方法
JP2008073077A (ja) データ処理装置，データ処理方法及びデータ処理プログラム
Zhu et al. Classification of UAV-to-ground targets based on enhanced micro-Doppler features extracted via PCA and compressed sensing
CN109116359B (zh) 一种机载雷达低空风切变风场回波风速的估计方法
WO2011021262A1 (ja) レーダ装置
CN106772373A (zh) 针对任意地面运动目标的sar成像方法
CN103885044A (zh) 一种基于clean算法的窄带雷达回波杂噪抑制方法
Lin et al. The energy based characteristics of sperm whale clicks using the hilbert huang transform analysis method
Lievsay et al. Moving target detection via digital time domain correlation of random noise radar signals

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C05 Deemed withdrawal (patent law before 1993)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20131009