CN103698757B - 低频段雷达目标微动特性估计方法 - Google Patents

Abstract

本发明提供一种低频段雷达目标微动特性估计方法。技术方案是将低频段雷达获得的目标窄带回波进行N点离散采样后得到离散信号，然后再对离散信号进行复对数运算，通过相位解模糊获得相位调制信号，对相位调制信号进行频谱估计，经计算得到目标微动谱，从而获得目标的微动特性。本发明适用于低频雷达小幅微动目标，微动参数估计精度高，适用的系统频带宽，信噪比要求低。

Description

低频段雷达目标微动特性估计方法

技术领域

本发明属于雷达技术领域，具体地说，本发明涉及一种利用低频段雷达回波的微多普勒信号分析过程，进行雷达目标微动特性估计的方法。

背景技术

微动特征是雷达目标识别系统采用的主要特征之一。目标的振动、进动、转动等微动特征，蕴含着精细而稳定的有利特征和信息，一旦提取后即可作为识别的重要依据，对战场侦察、精确制导、交通监视、维稳反恐、灾害救援等具有重要的意义。雷达目标微多普勒频率与雷达的中心频率和目标的微动幅度成正比，当雷达波长与目标微动幅度可比拟，或者长于目标微动幅度时，雷达目标微多普勒调制幅度降低，本发明称这种雷达为低频段雷达。低频段雷达相比高频段的雷达系统技术更成熟，通常具有更远的作用距离，而且成本更低，应用范围广。

传统的目标微动特征估计主要依赖两大类手段：一是基于时频分布的微动估计方法；二是基于模型的参数化估计方法。基于时频分布的微动估计方法为了保证能够可靠提取微动特性，雷达的波长应至少小于目标的微动幅度，因此无法应用于低频段雷达微动估计问题中。基于模型的参数化估计方法不仅运算量大，在工程应用中实现困难，而且将目标微动视为标准正弦的理想形式，在非理想散射特性或复杂微动形式的条件下，无法对目标微多普勒信号进行处理。著作“The Micro-Doppler Effect in Radar[M]”（Artech House，2011）指出，因为雷达波长较长，对于小幅微多普勒调制的提取非常困难，提取小幅微多普勒调制的难题尚未解决。在我们所掌握的资料范围内，在低频段雷达目标小幅复杂微动特性估计技术领域，目前仍处于空白。

发明内容

本发明的目的在于，针对低频段雷达微动目标微多普勒幅度小及目标运动形式多样的问题，提出一种低频段雷达目标微动特性估计方法，通过采用新的正弦调频信号处理方法，将雷达频带的要求大幅降低，能够实现对低频段雷达目标微动特性的估计，同时，方法不受复杂微动形式和非理想散射点的限制，对各种微动形式具有相同的估计精度。

为表述清楚，首先定义正弦调频信号的加法运算、数乘运算和内积运算。设正弦调频离散信号正弦调频离散信号A_m为信号x₁(k)正弦频率调制分量的复系数，C_m为信号x₂(k)正弦频率调制分量的复系数，ω_m为信号x₁(k)、x₂(k)正弦频率调制分量的角频率，M为信号x₁(k)、x₂(k)正弦频率调制分量的个数。

正弦调频信号的加法运算“<+>”定义为：

$\begin{array}{c}{x}_1\left(k\right)<+>x_2\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}\exp \left[j\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}{A}_m\exp \left(j{\mathrm{\&omega;}}_{m}k\right)\right]\exp \left[j\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}{C}_m\exp \left(j{\mathrm{\&omega;}}_{m}k\right)\right]\\ =\exp \left[j\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}(A_m+C_m)\exp \left(j{\mathrm{\&omega;}}_{m}k\right)\right]\end{array}$

正弦调频信号的数乘运算“<×>”定义为：

$\begin{array}{c}\mathrm{\&kappa;}<\&times;>x_1\left(k\right)\stackrel{\mathrm{\&Delta;}}{=}{\left\{\exp \right[j\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}{A}_m\exp \left({\mathrm{j\&omega;}}_{m}k\right)\left]\right\}}^{\mathrm{\&kappa;}}\\ =\exp \left[j\underset{m=0}{\overset{M}{\mathrm{\&Sigma;}}}\mathrm{\&kappa;}{A}_m\exp \left(j{\mathrm{\&omega;}}_{m}k\right)\right]\end{array}$

其中，κ为复数。

正弦调频信号x₁(k)、x₂(k)的内积运算“<<x₁(k),x₂(k)>>”定义为：

$\begin{array}{c}<<x_1\left(k\right),x_2\left(k\right)>>\stackrel{\mathrm{\&Delta;}}{=}\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\ln \left\{x_1{\left(k\right)}^{{\left\{\ln \right[x_2\left(k\right)\left]\right\}}^{-1}}\right\}\\ =\frac{1}{N}\underset{k=0}{\overset{N-1}{\mathrm{\&Sigma;}}}\ln x_1\left(k\right){\left[\ln x_2\left(k\right)\right]}^{-1}\end{array}$

其中，N为信号x₁(k)、x₂(k)的采样点数。

根据前述运算定义，正弦调频信号的傅立叶分解“FT_SFM”为：

FT_SFM{x₁(k)}＝(A₀<×>exp[jexp(jω₀k)])<+>(A₁<×>exp[j exp(jω₁k)])<+>…<+>(A_M<×>exp[j exp(jω_Mk)])

本发明的方法步骤如下：

设低频段雷达获得的目标窄带回波为x(t)，对x(t)进行N点离散采样得到x(k),k＝0,1,…,N-1，根据具体问题，N点离散采样可分为均匀采样与非均匀采样；

利用下式得到信号y(k)：

y(k)＝ln x(k)

对信号y(k)进行相位解模糊，得到相位调制信号y_pr(k)；

利用相位调制信号y_pr(k)进行频谱估计，具体过程如下：

情况A：上述N点离散采样是均匀采样

基于y_pr(k)，进行正弦调频信号的傅立叶分解，得到Y(m)，m＝0,1,…,N-1；

情况B：上述N点离散采样是非均匀采样

对y_pr(k)，进行基于稀疏恢复的频谱估计，得到Y(m)，m＝1,2,…,L，L为稀疏恢复的词典原子个数；

则目标微动谱其中C为光速，f_c为雷达中心频率。

本发明的有益效果：

（1）本发明通过采用新的正弦调频信号处理方法，使全部时间范围内观测的目标微动调制得到积累，通过累加提高了估计精度和抗噪声能力，因此本发明适用于低频雷达小幅微动目标，微动参数估计精度高，适用的系统频带宽，信噪比要求低。最小可估计微动幅度不设下限，通过增加采样点数、提高信噪比都可以弥补微动幅度小带来的估计精度损失。

（2）本发明直接估计目标微动谱，蕴含了目标微动的频谱特性；同时本技术方案不需对目标散射点运动模型进行假设，因此对复杂微动具有同样的估计精度和算法复杂度。

（3）本发明实现简便，复杂度低，大大降低雷达目标微动特性的估计难度。

附图说明

图1本发明提供的低频段雷达目标微动特性估计方法实现流程图；

图2仿真实验一给出的结果曲线图；

图3仿真实验二给出的结果曲线图。

具体实施方式

下面结合附图对本发明进一步说明。

图1是本发明针对常见窄带脉冲多普勒雷达绘制低频段雷达目标微动特性估计方法流程图。所述方法的输入为低频段雷达获得的目标窄带回波x(t)，对x(t)进行N点离散采样后得到信号x(k)，然后经过复对数运算，再通过相位解模糊和频谱估计，获得Y(m)，最后计算得到目标微动谱Z(m)，方法的输出是目标的微动特性。其中，离散采样的点数和采样率根据具体问题确定，点数和采样率越高，则本发明得到的目标微动谱越精确。

其中相位解模糊用于克服雷达回波存在2π整数倍的相位模糊。记信号phase(k)为y(k)的虚部，利用下式求取相位解模糊函数pr(k)：

$\mathrm{pr}\left(k\right)=\left\{\begin{array}{cc}\mathrm{pr}(k-1)-2\mathrm{\&pi;},\mathrm{phase}\left(k\right)-\mathrm{phase}(k-1)>\mathrm{\&pi;}& \\ \mathrm{pr}(k-1)+2\mathrm{\&pi;},\mathrm{phase}(k-1)-\mathrm{phase}\left(k\right)>\mathrm{\&pi;}& \\ \mathrm{pr}(k-1),|\mathrm{phase}\left(k\right)-\mathrm{phase}(k-1)|<\mathrm{\&pi;}& \\ \mathrm{pr}\left(0\right)=0& \end{array}\right.$

然后计算y_pr(k)＝y(k)+jpr(k)，获得相位调制信号y_pr(k)。

在得到目标微动谱Z(m)后，利用该目标微动谱可进行目标微动频率、微动幅度等相关微动特性的进一步提取。

本发明计算量少，方法简便易行。以进行N点离散均匀采样的处理过程为例，完成本发明仅需要N次复数对数运算、N次复数乘法、N次比较和N(log₂N+1)次加减法。

为说明本发明估计雷达目标微动特性的精度，针对两种典型的微动特性（包括振动特性和进动特性）估计问题进行了两组Matlab仿真实验。

实验一基于仿真数据验证雷达目标振动特性提取效果。实验中测试目标为卡车，雷达回波根据卡车振动实测数据合成。实验相关参数为：雷达中心频率f_c＝30GHz，SNR=10dB。利用本发明进行微动特性估计时，对回波信号进行1000点离散均匀采样，采样率f_s＝1000Hz。图2（a）是已知的卡车振动波形，其中横坐标为时间，纵坐标为位移。图2（b）为目标微动谱（或称目标振动谱）估计结果，其中横坐标为频率，纵坐标为幅度，粗实线为目标真实振动谱，圆圈标记的曲线为利用本发明得到的目标振动谱估计结果。本发明得到的目标振动谱与目标真实振动谱的归一化均方根误差仅为0.105，说明目标振动谱估计结果与目标真实振动谱拟合程度高，在较低的信噪比下，本发明能够实现目标振动特性精确估计。

实验二验证利用本发明对锥体目标进动频率估计的效果。实验中雷达中心频率f_c＝430MHz，SNR=15dB，目标进动频率为0.5Hz。实验中，对相位调制信号y_pr(k)采用基于稀疏贝叶斯学习的稀疏恢复方法进行目标微动谱估计。

图3（a）给出了锥体目标进动回波的时频分布，其中横坐标为时间，纵坐标为频率，左图为回波时频分布，采用了时频分辨率高的“基于S方法的伪魏格纳分布”，并进行了80倍补零以增加频率分辨率，右图为左图中虚线框区域的放大结果，由图可知，在低频雷达中，进动引起的微多普勒调制不仅复杂，而且幅度十分微弱，因此采用低频段雷达回波获取估计目标进动特性非常困难。

图3（b）给出了利用本发明进行锥体目标微动谱估计结果，其中对回波信号采用100点非均匀离散采样，平均采样率为f_sa＝1Hz。图中的横坐标为频率，纵坐标为幅度，星号表示实验设定的进动频率，实线表示目标微动谱估计结果，目标微动谱最大值点的频率取值即为目标主要微动频率分量。从图中可以看出，微动谱主要分量与进动频率设定值0.5Hz一致，表明该方法能够在低频段、低数据率、非均匀采样和低信噪比情况下，能够实现目标进动频率估计。

图3（c）和图3（d）分别给出了本发明在不同平均离散采样率和信噪比条件下进动估计的失败概率（估计误差大于0.2Hz的概率）及均方根误差，其中横坐标为表示雷达目标回波的信噪比，图3（c）的纵坐标是估计失败概率，图3（d）的纵坐标是均方根误差，不同折线表示实验中利用本发明时采用的不同的平均离散采样率，包括0.67Hz、0.8Hz、1Hz、2Hz，实验分别进行了300次蒙特卡罗仿真。从图中可以看出，在平均采样率高于0.8Hz，信噪比高于12dB时，失败概率为零，均方根误差约为0.05Hz，验证了本发明的估计结果的高精度和高可靠性。

Claims (1)

1.一种低频段雷达目标微动特性估计方法，设低频段雷达获得的目标窄带回波为x(t)，对x(t)进行N点离散采样得到x(k),k＝1,2,…,N，N点离散采样分为均匀采样或非均匀采样，其特征在于包括下述步骤；

利用下式得到信号y(k)：

y(k)＝ln x(k)；

对信号y(k)进行相位解模糊，得到相位调制信号y_pr(k)，具体过程如下：

记信号phase(k)为y(k)的虚部，利用下式求取相位解模糊函数pr(k)：

$pr\left(k\right)=\left\{\begin{array}{c}pr(k-1)-2\mathrm{\&pi;},phase\left(k\right)-phase(k-1)>\mathrm{\&pi;}\\ pr(k-1)+2\mathrm{\&pi;},phase(k-1)-phase\left(k\right)>\mathrm{\&pi;}\\ pr(k-1),\left|phase\right(k)-phase(k-1\left)\right|<\mathrm{\&pi;}\\ pr\left(0\right)=0\end{array}\right.$

然后计算y_pr(k)＝y(k)+jpr(k)，获得相位调制信号y_pr(k)；

利用相位调制信号y_pr(k)进行频谱估计，具体过程如下：

情况A：上述N点离散采样是均匀采样：

对y_pr(k)进行正弦调频信号的傅立叶分解，得到Y(m)，m＝0,1,2,…,N-1；

情况B：上述N点离散采样是非均匀采样：

对y_pr(k)进行基于稀疏恢复的频谱估计，得到Y(m)，m＝1,2,…,L，L为稀疏恢复的词典原子个数；

则目标微动谱其中C为光速，f_c为雷达中心频率。