CN106556823A - 基于平滑l0范数的微动目标微多普勒频率提取方法 - Google Patents

Abstract

本发明公开了一种基于平滑L0范数的微动目标微多普勒频率提取方法，该技术属于雷达信号处理领域。由于微动特征是目标运动特征独一无二的表现形式，利用现代信号处理技术对这种精细的运动特征进行提取,可为雷达目标识别提供依据。本发明的方法包括以下步骤：（一）对雷达接收信号进行采样，根据微动目标的微多普勒特性建立过完备原子库；（二）利用原子库和非相干的测量矩阵将回波信号投影到低维观测向量上，将微多普勒频率提取问题转化为L0范数最优化问题;（三）利用平滑L0范数方法重构出微动目标微多普勒频率。本发明不受交叉项影响、估计精度高，且工程实现容易，具有较强的工程应用价值和推广前景。

Description

基于平滑L0范数的微动目标微多普勒频率提取方法

一、技术领域

本发明隶属于雷达信号处理领域，适用于高/中脉冲重复频率雷达(如机载脉冲多普勒雷达等)对微动目标的微多普勒特征提取。

二、背景技术

随着隐身、伪装等目标特征控制技术和虚假目标成像欺骗干扰技术快速发展，各种与真实目标有着高逼真度的诱饵干扰严重影响了雷达性能的发挥。其中真实目标和诱饵的外形尺寸及散射特性十分接近，基于结构特征很难进行识别。通过研究发现，真实目标具有独特微动特性，这些特征使雷达能够将真实目标从诱饵和碎片中识别出来，因此基于目标微动差异提取相应的微多普勒特征对于雷达目标识别具有重要意义。由于微动目标雷达回波具有非线性、多分量性等特征，需要相应的具有高分辨力、低交叉项、大的动态范围(DNR，detectable dynamic range)的分析工具，才能较好地揭示目标微多普勒特征。

目前常用的基于微多普勒特征提取算法是利用Wigner-Ville分布对微多普勒特征进行提取，这种方法主要由以下4个步骤实现：

(1)对回波信号进行Wigner-Ville变换，得到信号离散W-V分布W(m,k)，1≤m≤M，1≤k≤2N+1；

(2)将峰值投影到时频面，得到瞬时频率 为取宗量运算；

(3)补偿掉由目标径向运动引起的频移f_u；

(4)根据公式f_m-D(m)＝f(m)-f_u 1≤l≤M得到信号微多普勒频率。

该方法存在以下缺陷：

(1)Wigner-Ville方法会受到交叉项影响，在真假目标的微多普勒频率相近时，其频谱特征容易存在交叠成分而变的难以提取，因此很难判断目标是否受到欺骗干扰；

(2)微多普勒频率估计精度受信号观测时间的影响，在观测时间较短的情况下，精度较低，因此实时性不高。

三、发明内容

1.要解决的技术问题

本发明的目的是提出一种基于平滑L0范数的微动目标微多普勒频率提取方法，该方法具有频域高分辨能力，对于信号细微特征提取具有很好的效果，解决现有的Wigner-Ville方法受交叉项影响以及短时条件下微多普勒频率估计精度不高的问题。

本发明的技术方案如下：

一种基于平滑L0范数的微动目标微多普勒频率提取方法，其特征在于包括以下步骤：

(1)根据微动目标信号回波x(t)的特点，建立与之相匹配的原子g_r，构造出过完备原子库G；

(2)利用原子库G和非相干的测量矩阵Φ将回波信号x(t)投影到低维观测向量上y，将微多普勒频率提取问题转化为L0范数最优化问题；

(3)利用平滑L0范数方法重构出微动目标微多普勒频率。

其中步骤(2)的具体方法是：

首先利用与原子库G非相干的测量矩阵Φ将微动目标回波信号x(t)投影到低维观测向量y上，即：

y＝Φx＝ΦG^Tx

其中，Φ为M×N的测量矩阵，M＜N，Φ和冗余字典G满足非相干性；

由于实际回波信号受到噪声的影响，使得含噪信号不再是严格的稀疏信号，即信号在各个变换空间的分解系数不是严格稀疏的，因此将上式转化为以下形式：

y＝ΦG^Tx+z

其中，z为随机噪声或其他误差项；根据压缩感知原理将上式转化为L0范数最优化问题：

min||G^Tx||₀s.t.y＝ΦG^Tx。

其中步骤(3)的具体方法是：

(1)初始化算法中的各个参数：

①令s＝G^Tx＝Φ^Τ(ΦΦ^Τ)^-1y；

②选择恰当的σ递减序列{σ₁,σ₂, … σ_j},σ＝βσ_j-1；

(2)外部循环：j＝1,2,3,…,J

①令σ＝σ_j；

②令

③内部循环：l＝1,2,…,L；

(a)令

(b)对重构信号进行更新s←s-δσ²d；

(c)根据梯度投影原理，得到s←s-A^T(ΑA^T)^-1(As-y)；

④

(3)得到重构信号

和背景技术相比，本发明的有益效果说明：(1)由于Wigner-Ville方法属于双线性变换，当微动目标的微多普勒频率相近时，时频结果容易受到交叉项的影响而变的模糊不清，难以分辨微动目标的微多普勒频率。本发明采用的平滑L0范数方法具有频域高分辨能力，对于信号细微特征提取具有很好的效果，并且不受交叉项干扰影响，可准确判断出目标是否受到欺骗干扰。(2)改善了微多普勒频率的估计精度。基于Wigner-Ville方法的最小频率分辨能力受信号时长限制，在采样频率f_s一定的条件下，频率最小可分辨单元与信号时长成反比，因此要提高微多普勒频率分辨力需要延长信号观测时间；而平滑L0范数方法属于非正交分解，其最小频率分辨能力不受信号时长限制，仅取决于原子库G的冗余度，因此我们只需提高原子的个数或减小微多普勒频率单元来提高频率分辨率，继而提高微多普勒频率估计精度。为了说明本发明和背景技术的有益效果，对实际微动目标回波信号的微多普勒频率分别应用两种方法进行了估计，基于Wigner-Ville方法在微多普勒频率相近时，其时频结果受到交叉项影响而变得模糊不清，因此无法准确提取微多普勒频率，而本发明提出的平滑L0范数方法不受交叉项影响，且具有频域高分辨能力，可以准确估计出两个微多普勒频率。可见，本发明和背景技术相比具有以下两个有益效果：不受交叉项干扰，且对微动目标微多普勒频率的估计精度高。

四、附图说明

图1是基于平滑L0范数方法的微动目标微多普勒频率提取方法流程图；

图2是基于Wigner-Ville的微动目标微多普勒频率提取方法的时频投影图。

五、具体实施方式

下面结合附图对本发明的基于平滑L0范数方法的微动目标微多普勒频率提取方法进行详细描述。

实施例条件：假设雷达在t时刻发射载频f＝10GHz的单频信号x′(t)＝exp(j2πft)，雷达波长λ＝3cm，雷达脉冲宽度T＝10ms，采样间隔T_s＝5×10^-5秒，假设两个微动目标运动状态分别为进动和摆动，微多普勒频率分别为7Hz和8Hz。

为了方便研究微动目标的微动特性,假设目标和雷达之间相对的平动已经通过相应的补偿手段补偿掉,只剩下微动特性，可建立目标信号模型为：

x(t)＝exp(j2π×sin5t)+exp(jπ×sin6t)+w(t)

其中，w(t)为均值为0，方差为1的高斯白噪声；将上述模拟信号送入雷达信号处理计算机中执行以下步骤(参照说明书附图1)：

步骤1：将雷达接收机接收到的线性调频信号x(t)通过采样器以采样间隔T_s进行采样，变为离散信号x(nT_s)，其中n表示采样点序号；将x(nT_s)送入雷达信号处理计算机；

步骤2：初始化(设置分解参数)

建立零矩阵G(U×N)；

微多普勒频率搜索个数U设为1600；

微多普勒单元Δf_mD-u设为0.003125；

σ₁＝4max|s_i|，L＝3，δ＝2，β＝0.8；

步骤3：根据微动目标信号回波x(t)的特点，建立与之相匹配的原子g_r，构造出过完备原子库G；

根据真假弹头的微动特性建立原子g_r＝exp[j2π(sinf_mD-un)]，r＝1,2,…,N。设定搜索精度和范围。假设搜索范围f_mD-u的取值为f_mD-u∈[0,U]Δf_mD-u，u＝1,2,…,U，U为微多普勒频率的搜索个数，构造的过完备原子库G为U×N的矩阵为：

G(g_r)＝[g_r(f_mD-1) g_r(f_mD-2) … g_r(f_mD-U)]

G＝[g₁,g₂,…,g_N]^T，由此可见字典中的原子g_r匹配了干扰信号包含微动目标的微多普勒特征，为了保证分解系数具有足够的稀疏性以及匹配追踪的重建精度；

步骤4：利用原子库G和非相干的测量矩阵Φ将回波信号x(t)投影到低维观测向量上y，将微多普勒频率提取问题转化为L0范数最优化问题；

首先利用与原子库G非相干的测量矩阵Φ将微动目标回波信号x(t)投影到低维观测向量y上，即：

y＝Φx＝ΦG^Tx

其中，Φ为M×N的测量矩阵，M＜N，Φ和冗余字典G满足非相干性；由于实际回波信号受到噪声的影响，使得含噪信号不再是严格的稀疏信号，即信号在各个变换空间的分解系数不是严格稀疏的，因此将上式转化为以下形式：

y＝ΦG^Tx+z

其中，z为随机噪声或其他误差项。根据压缩感知原理将上式转化为L0范数最优化问题：

min||G^Tx||₀s.t.y＝ΦG^Tx

步骤5：利用平滑L0范数方法重构出微动目标多普勒频率；

(1)初始化算法中的各个参数：

①令s＝G^Tx＝Φ^Τ(ΦΦ^Τ)^-1y；

②选择恰当的σ递减序列{σ₁,σ₂, … σ_j},σ＝βσ_j-1；

(2)外部循环：j＝1,2,3,…,J

①令σ＝σ_j；

②令

③内部循环：l＝1,2,…,L。

(a)令

(b)对重构信号进行更新s←s-δσ²d；

(c)根据梯度投影原理，得到s←s-A^T(ΑA^T)^-1(As-y)；

④

(3)得到重构信号

为了比较对现有技术的基于Wigner-Ville分布峰值检测法在相同条件下进行了仿真，附图2是Wigner-Ville变换在时频面上的投影图，由于受到交叉项影响，已经分辨不出两个微动目标，因此微多普勒频率提取变得十分困难，而采用平滑L0范数方法可以准确提取出微动目标的微多普勒频率7Hz和8Hz，可见，本发明和背景技术相比具有对目标微多普勒频率估计精度高，且不受交叉项影响的优点。

Claims (3)

1.一种基于平滑L0范数的微动目标微多普勒频率提取方法，其特征在于包括以下步骤：

(1)根据微动目标信号回波x(t)的特点，建立与之相匹配的原子g_r，构造出过完备原子库G；

(2)利用原子库G和非相干的测量矩阵Φ将回波信号x(t)投影到低维观测向量上y，将

微多普勒频率提取问题转化为L0范数最优化问题；

(3)利用平滑L0范数方法重构出微动目标微多普勒频率。

2.根据权利要求1所述的基于平滑L0范数的微动目标微多普勒频率提取方法，其特征在于步骤(2)的具体方法是：

首先利用与原子库G非相干的测量矩阵Φ将微动目标回波信号x(t)投影到低维观测向量y上，即：

y＝Φx＝ΦG^Tx

其中，Φ为M×N的测量矩阵，M＜N，Φ和冗余字典G满足非相干性；

由于实际回波信号受到噪声的影响，使得含噪信号不再是严格的稀疏信号，即信号在各个变换空间的分解系数不是严格稀疏的，因此将上式转化为以下形式：

y＝ΦG^Tx+z

其中，z为随机噪声或其他误差项；根据压缩感知原理将上式转化为L0范数最优化问题：

min||G^Tx||₀ s.t.y＝ΦG^Tx。

3.根据权利要求1所述的基于平滑L0范数的微动目标微多普勒频率提取方法，其特征在于步骤(3)的具体方法是：

(1)初始化算法中的各个参数：

①令s＝G^Tx＝Φ^Τ(ΦΦ^Τ)^-1y；

②选择恰当的σ递减序列{σ₁,σ₂,…σ_j},σ＝βσ_j-1；

(2)外部循环：j＝1,2,3,…,J

①令σ＝σ_j；

②令

③内部循环：l＝1,2,…,L；

(a)令(b)对重构信号进行更新s←s-δσ²d；

(c)根据梯度投影原理，得到s←s-A^T(ΑA^T)^-1(As-y)；④

(3)得到重构信号