CN104656069A - 一种目标微多普勒信号分离方法 - Google Patents
一种目标微多普勒信号分离方法 Download PDFInfo
- Publication number
- CN104656069A CN104656069A CN201310606359.9A CN201310606359A CN104656069A CN 104656069 A CN104656069 A CN 104656069A CN 201310606359 A CN201310606359 A CN 201310606359A CN 104656069 A CN104656069 A CN 104656069A
- Authority
- CN
- China
- Prior art keywords
- component
- signal
- separation method
- echo
- alpha
- 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
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于信号分离方法,具体涉及一种目标微多普勒信号分离方法。它包括:步骤一:初始值;步骤二:分数傅立叶变换;步骤三:搜索;在峰值区域里,以较小的步长作参数搜索以满足{tk,fk,αk,βk}=arg maxRk(t),sk(t),得到最终的αk、tk和fk;步骤四:重构;步骤五:循环;重复步骤二~步骤四,当步骤四计算的信号能量低于外部给定的门限时,执行步骤六;步骤六:确定分量。使用本发明的效果是:精度高,计算量小。
Description
技术领域
本发明属于信号分离方法,具体涉及一种目标微多普勒信号分离方法。
背景技术
近年来,有关micro-Doppler现象及其雷达目标识别应用的研究日渐增多。Micro-Doppler用于描述不同于目标主体Doppler特征的某些运动部件的精细Doppler特征。多数传统的雷达信号处理均假定目标具有刚性运动,然而现实情况中非刚性目标可谓比比皆是,飞机发动机的旋转运动、舰船天线的扫描运动、以及地面车辆轮胎的滚动等皆属此范畴。
实际中经常遇到的微动形式主要是转动和振动,当目标具有运动部件时,如何从雷达回波中更好地提取目标特征,其难点是由于运动部件回波的干涉,机体回波受到污染,同时受机体回波的遮挡,从运动部件提取运动信息也愈发不易。因此,在进行信号处理时引入了“时频”域的概念,将信号放到一个二维的时频平面上来进行分析。
时频分析的研究开始于20世纪40年代,对信号进行时频分析的方法可分为三类。第一类方法为核函数分解,也称为线性时频描述。主要包括短时傅立叶变换和小波变换等。第二类方法为能量分布,包括Wigner-Ville分布(WVD)、Page分布等。WVD的缺点是存在互相关交叉项的问题,而且交叉项的幅度有时会高于信号自身。第三类高分辨时频变换是自适应时频变换。这种方法可将一个信号分解成一组基本函数如Gabor函数(一个高斯调制函数)的形式,完成信号的自适应频域和时域分解。
发明内容
本的目的是针对现有技术缺陷,提供一种目标微多普勒信号分离方法。
本发明是这样实现的:一种目标微多普勒信号分离方法,包括下述步骤:
步骤一:初始值
令循环阶数k=0,距离单元回波s(t)的剩余信号为Rk(t);
步骤二:分数傅立叶变换
对距离单元回波s(t)进行分数傅立叶变换;对转动角度φ进行遍历,将不同φ对应的分数域谱幅度进行比较,记录最大值所对应的位置fksinφ+tkcosφ以及调频率βk;tk,fk和βk分别为信号的中心时刻,中心频率和频率调制率;
步骤三:搜索
在峰值区域里,以较小的步长作参数搜索以满足{tk,fk,αk,βk}=arg maxRk(t),sk(t),得到最终的αk、tk和fk;
步骤四:重构
使用步骤三得到的参数,用下述公式进行重构
同时将其从回波中滤除Rk+1(t)=Rk(t)-Rk(t),sk(t)sk(t);
计算信号总能量;
步骤五:循环
重复步骤二~步骤四,当步骤四计算的信号能量低于外部给定的门限时,执行步骤六;
步骤六:确定分量
用步骤五确定的βk对原信号做Chirplet分解,其中小的分量作为本体分量,大的分量作为旋转振动部件分量,其中本体分量记为sB(t),旋转振动部件分量记为sR(t),该两个分量为本申请的输出。
使用本发明的效果是:本方法对于待分解的信号进行分数阶傅立叶变换,可以找出与当前信号最匹配的对应调频率的Chirplet基函数,一般由此所求得的调频斜率βk的精度很高,可以满足后续计算的需要。另外,当已知冲激信号在能量点聚集时,得到了一个初始频率fk和时延tk的联合式,这样就将四个参数的搜索变为了三个参数的搜索,减少了计算量。
具体实施方式
一种目标微多普勒信号分离方法,包括下述步骤:
步骤一:初始值
令循环阶数k=0,距离单元回波s(t)的剩余信号为Rk(t);
步骤二:分数傅立叶变换
对距离单元回波s(t)进行分数傅立叶变换。对转动角度φ进行遍历,将不同φ对应的分数域谱幅度进行比较,记录最大值所对应的位置fksinφ+tkcosφ以及调频率βk;tk,fk和βk分别为信号的中心时刻,中心频率和频率调制率
步骤三:搜索
在峰值区域里,以较小的步长作参数搜索以满足{tk,fk,αk,βk}=argmaxRk(t),sk(t),得到最终的αk、tk和fk。
本步骤可以先任意选择一个步长进行搜索,若搜索不到则减小步长,重复该过程直到达到要求。
步骤四:重构
使用步骤三得到的参数,用下述公式进行重构
同时将其从回波中滤除Rk+1(t)=Rk(t)-Rk(t),sk(t)sk(t);
计算信号总能量;
步骤五:循环
重复步骤二~步骤四,当步骤四计算的信号能量低于外部给定的门限时,执行步骤六;
步骤六:确定分量
用步骤五确定的βk对原信号做Chirplet分解,其中小的分量作为本体分量,大的分量作为旋转振动部件分量,其中本体分量记为sB(t),旋转振动部件分量记为sR(t),该两给分量为本申请的输出。
Claims (1)
1.一种目标微多普勒信号分离方法,其特征在于,包括下述步骤:
步骤一:初始值
令循环阶数k=0,距离单元回波s(t)的剩余信号为Rk(t);
步骤二:分数傅立叶变换
对距离单元回波s(t)进行分数傅立叶变换;对转动角度φ进行遍历,将不同φ对应的分数域谱幅度进行比较,记录最大值所对应的位置fksinφ+tkcosφ以及调频率βk;tk,fk和βk分别为信号的中心时刻,中心频率和频率调制率;
步骤三:搜索
在峰值区域里,以较小的步长作参数搜索以满足{tk,fk,αk,βk}=argmaxRk(t),sk(t),得到最终的αk、tk和fk;
步骤四:重构
使用步骤三得到的参数,用下述公式进行重构
同时将其从回波中滤除Rk+1(t)=Rk(t)-Rk(t),sk(t)sk(t);
计算信号总能量;
步骤五:循环
重复步骤二~步骤四,当步骤四计算的信号能量低于外部给定的门限时,执行步骤六;
步骤六:确定分量
用步骤五确定的βk对原信号做Chirplet分解,其中小的分量作为本体分量,大的分量作为旋转振动部件分量,其中本体分量记为sB(t),旋转振动部件分量记为sR(t),该两给分量为本申请的输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606359.9A CN104656069A (zh) | 2013-11-25 | 2013-11-25 | 一种目标微多普勒信号分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310606359.9A CN104656069A (zh) | 2013-11-25 | 2013-11-25 | 一种目标微多普勒信号分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104656069A true CN104656069A (zh) | 2015-05-27 |
Family
ID=53247425
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310606359.9A Pending CN104656069A (zh) | 2013-11-25 | 2013-11-25 | 一种目标微多普勒信号分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104656069A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597445A (zh) * | 2017-01-18 | 2017-04-26 | 哈尔滨工业大学 | 一种基于自适应Chirp分解的SAR动目标检测方法 |
CN109284690A (zh) * | 2018-08-30 | 2019-01-29 | 北京航天科颐技术有限公司 | 基于Radon-Wigner变换和REALX算法的多分量LFM信号分离方法 |
CN109324322A (zh) * | 2018-10-31 | 2019-02-12 | 中国运载火箭技术研究院 | 一种基于被动相控阵天线的测向与目标识别方法 |
CN110389325A (zh) * | 2019-07-17 | 2019-10-29 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110850386A (zh) * | 2019-11-20 | 2020-02-28 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
Citations (1)
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 |
-
2013
- 2013-11-25 CN CN201310606359.9A patent/CN104656069A/zh active Pending
Patent Citations (1)
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 |
Non-Patent Citations (4)
Title |
---|
J.LI 等: "Application of adaptive chirplet representation for ISAR feature extraction from targets with rotating parts", 《IEE PROC.-RADAR SONAR NAVIG.》 * |
李斌 等: "基于微动分析和Chirplet分解的ISAR成像", 《信号处理》 * |
田玉松: "动态神经网络与分数阶Fourier变换的研究及其应用", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
高磊: "压缩感知理论在宽带成像雷达Chirp回波处理中的应用研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597445A (zh) * | 2017-01-18 | 2017-04-26 | 哈尔滨工业大学 | 一种基于自适应Chirp分解的SAR动目标检测方法 |
CN109284690A (zh) * | 2018-08-30 | 2019-01-29 | 北京航天科颐技术有限公司 | 基于Radon-Wigner变换和REALX算法的多分量LFM信号分离方法 |
CN109324322A (zh) * | 2018-10-31 | 2019-02-12 | 中国运载火箭技术研究院 | 一种基于被动相控阵天线的测向与目标识别方法 |
CN110389325A (zh) * | 2019-07-17 | 2019-10-29 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110389325B (zh) * | 2019-07-17 | 2022-11-04 | 中北大学 | 一种旋翼无人机的雷达微多普勒信号提取方法 |
CN110850386A (zh) * | 2019-11-20 | 2020-02-28 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
CN110850386B (zh) * | 2019-11-20 | 2023-04-18 | 中北大学 | 一种基于分数阶域特征的旋翼类无人机深度学习识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Imaging of a moving target with rotating parts based on the Hough transform | |
CN104656069A (zh) | 一种目标微多普勒信号分离方法 | |
CN102426360B (zh) | 空中微动旋转目标的二维isar成像方法 | |
CN103454624B (zh) | 基于降维稀疏重构空时谱的直接数据域动目标检测方法 | |
Li et al. | Scattering and Doppler spectral analysis for two-dimensional linear and nonlinear sea surfaces | |
CN101963662B (zh) | 基于短时分数阶傅里叶域滤波的自聚焦预处理方法 | |
CN108693509A (zh) | 频控阵雷达空距频聚焦动目标积累检测方法 | |
CN103245937A (zh) | 基于微多普勒效应的微动目标特征提取方法 | |
CN107843894B (zh) | 一种复杂运动目标的isar成像方法 | |
CN103913736A (zh) | 基于谱图重排的激光微多普勒参数估计方法 | |
CN105445704A (zh) | 一种sar图像中的雷达动目标抑制方法 | |
CN105116388A (zh) | 基于鲁棒主成分分析的天波超视距雷达瞬态干扰抑制方法 | |
CN104237865A (zh) | 一种基于太赫兹雷达回波的人体目标微动信号时频分析方法 | |
CN103630899B (zh) | 地面运动目标高分辨雷达压缩感知成像的方法 | |
Bai et al. | Radar imaging of micromotion targets from corrupted data | |
CN102901966B (zh) | 基于解斜和楔石处理的动目标瞬时距离多普勒成像方法 | |
CN102832942A (zh) | 基于分数阶Fourier变换的三角线性调频连续波特征提取方法 | |
Chen | Joint time-frequency analysis for radar signal and imaging | |
CN109856636A (zh) | 曲线合成孔径雷达自适应三维成像方法 | |
CN103412289A (zh) | 基于模拟sinc核采样的雷达高分辨距离成像方法 | |
Nguyen et al. | Wavelet-based sparse representation for helicopter main rotor blade radar backscatter signal separation | |
CN112285703B (zh) | 一种海杂波抑制及目标检测方法 | |
Ding et al. | Improved linear chirplet transform and singular value decomposition joint algorithm for motion target tracking | |
Tian et al. | A detection algorithm for radar weak targets under the interference of strong targets | |
Yang et al. | Time–frequency feature enhancement of moving target based on adaptive short-time sparse representation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150527 |