CN103913736A - 基于谱图重排的激光微多普勒参数估计方法 - Google Patents

Abstract

本发明提出一种基于谱图重排的激光微多普勒目标微动参数估计方法，首先由短时傅立叶变换模的平方得到回波信号时频谱图，再对谱图进行重排处理，克服传统时频分析方法的时域和频域分辨率问题，提高谱图的时频聚集性得到较高性能的时频分布；然后利用一阶时间矩对所得谱图进行回波信号的瞬时频率提取，并进行平滑迭代处理，削弱瞬时频率中的跳变，得到准确平滑的瞬时频率；最后由瞬时频率均值估计平动速度，并对瞬时频率进行付里叶变换，搜索变换后最大值所对应频率，即为微动的频率。该方法实现了微动目标特征参数估计准确性和实用性的提高。

Description

基于谱图重排的激光微多普勒参数估计方法

技术领域

本发明属于雷达信号处理技术领域，具体涉及基于谱图重排的激光微多普勒参数估计方法。

背景技术

目标的整体运动会使回波信号产生一个特定的多普勒频移，然而其自身的振动又在多普勒频移的基础上产生一个附加的频率调制，由于该附加的频率调制相对多普勒频移较小，美国海军研究实验室的Victor C. Chen最早在2000年将这种现象称为微多普勒效应。很多情况下，目标或者其上的部件会存在微运动:直升机上螺旋桨的旋转，船上旋转的天线，桥身的机械振动，引擎引起的物体表面的振动等等。由于振动或者旋转所引起的频率上的偏移是一个时变的函数，体现在雷达回波载频上是一个周期性的频率调制。y．C．Chen教授根据研究结果给出了单一旋转的微多普勒模型，详细推导了公式，证明微多普勒频率是目标微动线速度在径向雷达方向上的多普勒频率投影，然后他给出了四种常见的微动模型：振动、旋转、翻滚和锥旋，对它们进行了理论推导，分别比较了这四种微动模型计算和仿真的微多普勒特征，计算结果和仿真的结果一致，从而验证了理论公式推导的正确性。

实际运用中的雷达，不仅要能实现检测、识别、监视等基本的功能，还需要具有识别不同目标的能力，这就要求依靠目标的不同运动特征来实现了。这时，微多普勒的唯一性就显现出了巨大作用，微动目标雷达的特征提取技术为目标的检测和识别提供了新的思路和方法。目标的微动所产生的微多普勒特征包含了目标的运动和结构等信息，是现存的分析目标特征方法上的一种补充，有效提取微多普勒特征可以反演目标的相关参数，可用于目标的探测、分类和识别等领域。许多学者研究了一些微多普勒的应用实例，验证微多普勒技术的可行性。激光雷达对目标或目标组成部分非常微小的位移都能敏锐的察觉到，基于激光雷达微多普勒效应的目标微动参数估计，要求我们从回波信号中准确提取瞬时频率进行特征参数估计。现有的微多普勒特征参数估计方法，大多使用传统的STFT、WVD、SPWVD等方法得到时频分布，其中STFT变换中窗函数的选择是一个关键的问题也是它本身无法克服的一个障碍，WVD引入了交叉项这影响了Wigner分布的直观表示而且使得从分布中提取有用信息的过程变得复杂，SPWVD能抑制和消除大部分交叉干扰项但是这种平滑的结果同时降低了频率和时间的分辨率，而瞬时频率的提取，大多使用传统谱图峰值估计法，这些估计方法都存在着缺陷。为了准确提取微多普勒特征参数，我们需要更好的特征参数估计方法。

发明内容

该发明旨在准确地提取激光雷达微多普勒回波信号中的特征参数，提出了基于谱图重排的参数估计方法。

该发明采用了如下技术方案：

首先对激光雷达微多普勒回波信号进行变换得到谱图分布，谱图定义为短时傅立叶变换模的平方，得到雷达回波信号的时频谱图。再对谱图进行重排处理，重排后的谱图克服了传统方法时频分辨率问题，得到较高时频分辨率的时频分布。

然后利用一阶时间矩从时频谱图中提取微动信号的瞬时频率，由于外界噪声的干扰，一阶时间矩提取到瞬时频率在端点处或其他地方有时会出现跳变，影响最后的参数估计，因此在一阶时间矩提取之后，对瞬时频率做五点平滑十次迭代处理，以削弱这种跳变带来的影响。

最后由瞬时频率均值估计平动速度，并对瞬时频率进行付里叶变换，在频域内估计微动的频率，搜索频域最大幅值，对应频率即为微动的频率。

附图说明

图1是本发明的参数估计方法流程图

图2是本发明雷达回波信号及其频谱图

图3是本发明谱图及重排后谱图时频图。

具体实施方式

步骤一：（谱图及谱图重排）对激光雷达微多普勒回波信号进行变换得到谱图分布，谱图定义为短时傅立叶变换模的平方，即

式中h是窗函数。

然后对其进行重排处理，改善谱图的时频聚集性。重排方法过程如下：将谱图在任何点（t, f）处计算的值转换到另一个，这一点是信号围绕点（t，f）的能量分布的重心，

     

   

这样得到的重排谱图，它在任何点处的值等于重排到这点的所有谱图值的和，

       

重排后的谱图克服了传统方法时频分辨率问题，时频聚集性将大大提高，谱图不再是双线性的，但它仍然满足时移和频移不变性和非负性。

步骤二：（瞬时频率提取）时频分布仅反映信号能量在时频面上的分布情况，微多普勒振动目标特征参数估计中，我们需要可以表征时频谱图峰值在时频图上的具体位置的瞬时频率。利用一阶时间矩可以准确地提取分析信号瞬时频率。

一阶时间矩的定义为：

                                                 

式中tfr为重排谱图后所得时频能量分布。

步骤三：（平滑迭代处理）瞬时频率在目标参数估计中是最基本和最重要的一个特征参数，往往由于外界噪声的干扰，一阶时间矩提取到瞬时频率在端点处或其他地方有时会出现跳变，形成一个假的频率分量，影响最后的参数估计。因此在一阶时间矩提取之后，对瞬时频率做五点平滑十次迭代处理，以削弱这种跳变带来的影响。

步骤四：（微动目标参数估计）得到回波信号的瞬时频率，我们可以对微多普勒振动目标的平动速度以及振动频率等进行估计。平动速度由瞬时频率的均值估算，方法为：

  [0015] 若微动目标做简谐振动，此时的瞬时频率呈周期性变化，变化的频率正是微动目标的频率，利用最大值或者极值可以估计该参数。考虑到噪声的影响，最大值或极值可能被淹没，本文的方法是在频域内估计微动目标参数：对瞬时频率做付里叶变换，然后搜索变换后的最大值所对应的频率即为微动的频率。

Claims (5)

1.基于谱图重排的激光微多普勒参数估计方法，其特征在于该方法包含以下几个步骤：

步骤一：由短时傅立叶变换模的平方得到雷达回波信号的时频谱图                                                ，再对其进行重排处理得到高时频分辨率的时频谱图；

步骤二：利用一阶时间矩提取中的瞬时频率，并做五点平滑十次迭代处理，削弱瞬时频率中的跳变，得到回波信号准确平滑的瞬时频率；

步骤三：由瞬时频率均值估计平动速度，再对瞬时频率做傅里叶变换，搜索变换后的最大值所对应的频率即为目标微动频率。

2.根据权利要求1所述的基于谱图重排的激光微多普勒参数估计方法，其中回波信号的时频谱图 特征在于以下算法：

单线性的谱图定义为短时傅立叶变换模的平方，即

 

式中h是窗函数。

3.根据权利要求1所述的基于谱图重排的激光微多普勒参数估计方法，其中谱图重排处理特征在于重排方法过程如下：将谱图在任何点（t, f）处计算的值转换到另一个，这一点是信号围绕点（t，f）的能量分布的重心，

       

这样得到的重排谱图，它在任何点处的值等于重排到这点的所有谱图值的和，

           

重排后的谱图，时频聚集性将大大提高。

4.根据权利要求1所述的基于谱图重排的激光微多普勒参数估计方法，其中瞬时频率提取特征在于其提取方法：利用一阶时间矩，定义为，对重排谱图进行瞬时频率提取，得到微动目标准确的瞬时频率，然后做五点平滑十次迭代处理，削弱跳变带来的影响。

5.根据权利要求1所述的基于谱图重排的激光微多普勒参数估计方法，其中微动参数估计特征在于其估计方法：由瞬时频率的均值估算微动目标的平动速度，公式为：，对于微动目标频率，对瞬时频率做傅里叶变换，搜索变换后的最大值所对应的频率，即为微动目标频率。