CN106950554A - 实现振动干扰条件下旋转目标参数估计的方法 - Google Patents

Abstract

本发明提供一种实现振动干扰条件下旋转目标参数估计的方法，引入频段介于微波与激光之间的窄带太赫兹雷达系统，通过逆Radon变换、时频分析及其逆变换等信号处理手段，旨在提供快速有效的信号处理方法，使得对于伴随着振动干扰的旋转目标，既可以实现振动干扰的分离估计和补偿，又可以实现旋转的参数估计和图像重构。该方法高效稳健，且同时不增加系统复杂度。

Description

实现振动干扰条件下旋转目标参数估计的方法

技术领域

本发明涉及雷达信号处理技术和雷达目标识别技术领域，具体的涉及一种实现振动干扰条件下旋转目标参数估计的方法。

背景技术

利用雷达手段实现目标运动特征的提取是一种广泛使用的方法，具有全天时、全天候、高精度等特点，在遥感测量、军事侦察等方面具有十分重要的应用。太赫兹(Terahertz,THz)频段通常指频率在0.1THz到10THz(对应波长30μm-3mm)之间的电磁波，其频率介于毫米波与红外光之间，处于宏观电子学向微观光子学的过渡频段，在电磁波谱中占有很特殊的位置，具有与其它波段不同的特殊性质。近年来，随着太赫兹源、检测和相关器件的突破，太赫兹雷达技术发展迅速，在高分辨成像和运动精细测量方面逐渐显现出其优势。

微动(Micro-motion)指的是目标或目标部件除质心平动以外的振动、转动等微小运动，最早由美国海军实验室的V.C.Chen教授提出，由微动引起的多普勒频移称为微多普勒(Micro-Doppler)。旋转式是一种典型的微动方式，在的生活中普遍存在，比如直升机旋翼的运动，地面雷达天线的运动等等，利用雷达设备对这些旋转目标进行监测有十分重要的意义。但是这些旋转目标在运动中由于机械原因或者外部作用力的原因往往会伴随着振动干扰，对这些目标振动情况的监测同样具有十分重要的意义，可以为设备运行状态和安全性提供重要的辅助信息。

目前针对目标旋转和振动的研究主要是采用微波雷达和激光雷达两个方面。对于旋转目标的研究主要集中在微波雷达系统。由于旋转目标往往具有较大的旋转半径或者角速度，因此需要一定的波束宽度才能覆盖目标；此外，旋转目标在微波段的微多普勒值一般在几百至几万赫兹的范围，处于一个既能清晰观测微动现象又不至于严重混叠的区间。因此，利用微波雷达进行旋转目标参数估计和成像具有一定优势。

现有技术中往往将目标旋转和振动单独研究，利用微波段雷达系统研究旋转目标，利用激光雷达系统研究振动目标。微波段雷达系统虽然可以实现旋转目标的参数估计和图像重构，但是对于其同时存在的振动信息无法获取。激光雷达系统具有微多普勒敏感性，可以获得目标的振动信息，但是对于旋转这个主运动分量，则由于微多普勒模糊效应而难以实现估计。

发明内容

本发明的目的在于提供一种实现振动干扰条件下旋转目标参数估计的方法，该发明解决了现有技术中目标振动干扰的参数估计和精确补偿、目标旋转的精确参数估计和图像重构无法同时实现；对目标物旋转分量参数估计精度受振动干扰影响严重的技术问题。

本发明提供了一种实现振动干扰条件下旋转目标参数估计的方法，包括以下步骤：

步骤S100：通过窄带雷达获取待处理对象的回波信号，对回波信号进行时频分析得到待处理对象的微多普勒曲线，对所得微多普勒曲线进行逆Radon变换，得到旋转分量参数粗估计值，待处理对象为带有振动干扰的旋转目标；

步骤S200：根据旋转分量参数粗估计值和待处理对象的微多普勒曲线设计得到正弦掩膜，提取回波信号时频分布图上正弦掩膜处的值作为提取值，并对提取值进行质心提取后，以质心绘制得到微多普勒质心曲线，对微多普勒质心曲线依序进行傅里叶变换和频域滤波处理得到振动分量参数和旋转分量参数；

步骤S300：对提取值进行逆时频分析，得到含有振动干扰的旋转目标回波信号，根据振动分量参数构建补偿信号，对待处理对象的回波信号进行振动补偿得到旋转回波；

步骤S400：对旋转回波信号进行时频分析，得到正弦形式的旋转微多普勒曲线，然后对正弦形式的旋转微多普勒曲线进行逆Radon变换，得到旋转目标的重构图像。

进一步地，掩膜的宽度大于特显点的散焦程度。

进一步地，质心提取步骤包括按下式进行质心提取：

其中，TF(t,f)表示待处理对象所包含的各个散射中心微多普勒曲线，f为频率。

本发明的技术效果：

本发明提供的实现振动干扰条件下旋转目标参数估计的方法，采用窄带太赫兹雷达系统，其载频介于微波雷达与激光雷达之间，可以同时有效地观测目标旋转和振动干扰，而无需其他辅助系统。

本发明提供的实现振动干扰条件下旋转目标参数估计的方法，利用信号处理手段实现了振动干扰条件下旋转目标参数估计和图像重构，实现了振动干扰的测量和补偿，具有较高的测量精度和较好的图像重构质量，且同时不会给雷达系统增加复杂度。

本发明提供的实现振动干扰条件下旋转目标参数估计的方法，能够快速稳定的实现待处理目标的旋转和振动干扰的信号分离、参数估计和图像重构，且可应用于多目标场景，在充分发挥太赫兹频段优势的同时，解决了振动干扰条件下无法得到目标精确旋转分量参数和高质量图像的问题。

具体请参考根据本发明的实现振动干扰条件下旋转目标参数估计的方法提出的各种实施例的如下描述，将使得本发明的上述和其他方面显而易见。

附图说明

图1是本发明提供的的实现振动干扰条件下旋转目标参数估计的方法的流程示意图；

图2是本发明提供的实现振动干扰条件下旋转目标参数估计的方法优选实施例的流程示意图；

图3是本发明优选实施例1中时频分布示意图，其中a)为不考虑振动干扰时；b)为考虑振动干扰时；

图4是本发明优选实施例1中时频分布经逆Radon变换后所得图像的示意图，其中a)为不考虑振动干扰时；b)为考虑振动干扰时；

图5是本发明优选实施例1中根据粗估值设计的掩膜示意图；

图6是本发明优选实施例1中提取得到的考虑振动情况下的散射中心处微多普勒曲线的质心示意图；

图7是本发明优选实施例1中对所得质心进行频域滤波分离出来的目标分量时频分布结果示意图，其中a)为旋转分量；b)为振动干扰分量；

图8是本发明优选实施例1中振动干扰补偿和图像重构结果示意图，其中a)为振动干扰补偿后信号的时频分布；b)为逆Radon变换重构结果图像；

图9是本发明优选实施例2中所得回波信号时频分析结果示意图；

图10是本发明优选实施例2的时频分布图的逆Radon变换结果示意图；

图11是本发明优选实施例2根据粗估计值设计得到的掩膜示意图；

图12是本发明优选实施例2根据所设计掩膜分离出来的目标分量时频分布结果示意图；其中a)为其中P1分量的时频分布；b)为其中P2分量的时频分布；c)为其中P3分量的时频分布；

图13是本发明优选实施例2的质心曲线提取结果示意图；

图14是本发明优选实施例2的频域滤波分离结果示意图；其中a)是旋转多普勒分量；b)是振动干扰的多普勒分量；

图15是本发明优选实施例2的振动干扰补充之后的信号时频分布示意图；

图16是逆Radon变换重构的旋转目标图像示意图；

图17是本发明优选实施例2的参数估计误差与信噪比关系曲线示意图。

具体实施方式

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

参见图1～2，本发明提供的实现振动干扰条件下旋转目标参数估计的方法，包括以下步骤：

步骤S100：通过窄带雷达获取待处理对象的回波信号，对所述回波信号进行时频分析得到待处理对象的微多普勒曲线，对所得微多普勒曲线进行逆Radon(约旦)变换，得到旋转分量参数粗估计值，所处理对象为带有微动形式振动干扰的旋转目标；

步骤S100中由于振动干扰的存在，从逆Radon变换的结果中得到旋转分量参数的粗估计值。本发明中采用逆Radon变换的主要作用是提取正弦曲线的参数，累积性较好。本发明中所处理的正弦曲线由于受到振动干扰发生了畸变，直接提取无法得到精确值，经过逆Radon变换可以提取得到旋转分量参数粗估计值。

步骤S200：根据所述旋转分量参数粗估计值和所述待处理对象的微多普勒曲线设计得到正弦掩膜，提取回波信号时频分布图上正弦掩膜处的值得到提取值，并对所述提取值进行质心提取后绘制得到微多普勒质心曲线，对所述微多普勒质心曲线依序进行傅里叶变换和频域滤波处理得到振动分量参数和旋转分量参数；

在步骤S200中通过对所述微多普勒曲线进行傅里叶变换和频域滤波处理，能从时频域实现对振动干扰旋转的分离，从而提高微动获取的准确性。后续步骤则将从信号域对其进行分离处理。

步骤S300：对所述提取值进行逆时频分析，得到含有振动干扰的旋转目标回波信号，根据所述振动分量参数构建补偿信号，对所述含有振动干扰的旋转目标回波信号进行振动补偿得到旋转回波；

步骤S400：对所述旋转回波信号进行时频分析，得到正弦形式的旋转微多普勒曲线，然后对所述正弦形式的旋转微多普勒曲线进行逆Radon变换，得到旋转目标的重构图像。

本发明方法针对的是窄带太赫兹雷达系统，参见图1，本发明提供的方法具体处理过程可分为两大步，第一步为目标旋转和振动干扰的分离和参数估计，主要是基于逆Radon变换、时频分析和频域滤波等方法，第二步为振动干扰的补偿和旋转目标的图像重构，主要是基于逆时频分析和逆Radon变换。经过分离后得到的旋转分量参数即为所需估计值。

本发明提供方法具有以下特点：

基于时频分析和逆Radon变换的旋转分量参数粗估计。由于振动干扰的存在，包含振动干扰的旋转目标回波直接进行时频分析和逆Radon变换，其时频分布是一些受到振动多普勒干扰的正弦曲线，仅通过逆Radon变换也无法得到旋转分量参数精确值，本发明提供方法发现逆Radon变换结果中散焦的特显点的位置依然与旋转分量参数相关，可以利用其几何中心的位置来得到旋转分量参数的粗估计值。

基于掩膜和质心提取的多散射点时频曲线分离。为了利用受振动干扰多普勒进行振动干扰分量参数和旋转分量参数的分离，以粗估计结果为基础，设计一系列掩膜，将各散射中心的微多普勒曲线从时频面上分离开来，并提取其质心，得到瞬时微多普勒值。

基于逆时频分析的回波信号重构和基于振动参数的振动干扰补偿。根据时频分析的可逆性，将利用掩膜抽取出来的各个散射中心的时频曲线变换到信号域并进行累加，获得重构的信号；然后根据分离出来的振动干扰参数，构建补偿信号并进行补偿，得到只包含旋转运动的回波信号。从而在消除振动干扰的基础上得到较精确的旋转目标的高精度图像。

本发明提供的方法具体包括以下步骤：

第一步，旋转和振动干扰的信号分离和参数估计。

①窄带回波获取。通过窄带雷达获取所处理的对象的回波数据，所处理对象为含有N个散射中心和旋转散射中心的目标，每个散射中心到雷达的距离变化表达式为：

其中，R_k，f_vk和分别为第k个旋转散射中心的旋转半径、旋转频率和初相，t为时间。设雷达系统的载频为f_c，则该目标的回波信号表达式为：

其中，k为散射中心个数，σ_k为第k个散射中心的散射强度，τ_k＝2r_k(t)/c为第k个散射中心的回波延时，c为光速，f_c为雷达载频，j为虚数单位。经过混频之后的基带信号表达式为：

其中，为相位。根据微多普勒的定义，可知每个散射中心的微多普勒表达式为：

从公式(4)可以看出，旋转目标的微多普勒曲线为正弦形式。但是，实际情况下旋转目标在旋转的同时，往往伴随着振动形式的干扰。当旋转目标包含一个振幅为R_vk，振动干扰频率为f_vk初相为的振动干扰时，则公式(1)、(3)和(4)改写为：

②旋转分量参数粗估计。

从公式(7)可以看出，考虑振动干扰之后旋转目标微多普勒值表现为受干扰的正弦形式，因此，对回波信号进行时频分析，其时频面上应该表现为若干条受干扰正弦曲线，如图3所示。

逆Radon变换是数字图像处理领域中的一种常用变换，可以将二维图像中的正弦曲线转换为参数空间的特显点，且特显点的位置与正弦曲线参数相关。因而对如式(7)所示的受干扰的正弦多普勒曲线进行逆Radon变换，过程如下：

将经过逆Radon变换后所得图中特显点的几何中心作为粗估计值。由于振动干扰的存在，经过逆Radon变换后旋转目标在图中(参见图4)的特显点为圆形区域且存在散焦，因而所得结果仅为粗估值。

③利用掩膜进行回波分离

在得到旋转分量参数的粗估计值之后，根据该粗估计值设计一组正弦形状的掩膜，根据逆Radon变换参数空间特显点的位置，确定掩膜的参数，根据特显点的散焦程度，确定掩膜的宽度，掩膜的宽度大于特显点的散焦程度。从时频分布图中分别取出掩膜位置处的值，即可将各个散射中心的微多普勒曲线进行分离。

在具体实例中所设计掩膜参见图5。经过掩膜处理后，各旋转散射点在时频图上旋转微多普勒曲线和振动干扰微多普勒曲线相互分离。之后根据所得分离结果分别进行旋转分量参数估计和振动干扰参数估计。

分离是将各个散射中心的微多普勒曲线进行分离，通过对质心曲线进行傅里叶变换然后滤波，那是进行的每个散射中心中旋转和振动干扰的分离，

本文中的掩膜是指一个区域，具体是指在固定的区域内，对图像用掩膜进行提取，从而将待处理目标的图像中与掩膜位置相同的地方提取出来。

然后采用如式(9)所示的质心提取算法，分别提取掩膜中的质心，得到质心曲线，对所得质心曲线进行频域滤波，即可将目标旋转和振动干扰进行分离，并分别对目标旋转和振动干扰的参数进行估计。

其中TF(t,f)表示各个散射中心微多普勒曲线，f为频率。在具体实施例1中提取出的质心曲线如图6所示，质心曲线中分离得到的振动干扰与旋转信号如图7所示。

第二步：基于逆时频分析的振动干扰补偿和基于逆Radon变换的旋转目标图像重构。

①振动干扰补偿。

通过对从掩膜中分离出来的各个散射中心的时频分布进行逆时频分析以得到回波信号，其表达式如下：

同时根据分离出来的振动分量参数构造补偿信号，其表达式如下：

最后用补偿信号对回波信号进行补偿，以消除振动干扰的影响，得到只含有旋转信息的回波，如下：

②旋转目标图像重构。

在得到只含有旋转信息的回波(旋转回波)之后，即可利用常规方法，对其进行时频分析以得到正弦形式的微多普勒曲线，然后对时频分布图进行逆Radon变换，得到待处理目标的重构图像。该图像中仅包含旋转，并消除了振动干扰。在具体实例1中振动补偿之后的信号时频分布如图8a)中所示，对补偿后的时频分布进行逆Radon变换后所得重构图像如图8b)所示。

以下结合具体实例，对本发明提供的方法进行详细说明。

实例1：用数据仿真的方式假设一个含有三个旋转散射中心P1、P2和P3的目标，这三个散射中心的旋转半径分别为0.25m、0.2m和0.15m，初相分别为-30°、30°和100°，旋转速度为5r/min，振动干扰的幅度和频率分别为1mm和2Hz。在不考虑和考虑振动干扰的情况下的时频分布如图3所示。其中对于包含振动干扰的各结果按常规方法获得。采用本发明提供方法处理后所得结果如下：

图3所示的两种情况下回波时频分布的逆Radon变换如图4所示。可以看出，经过变换之后，参数空间显示的是一个区域，而不是一个特显点，这个区域正是由于振动干扰造成的散焦，但是也可以看出，这个区域的位置依然与旋转分量参数相关，因此可以依据散焦区域的几何中心来推算旋转分量参数的粗估计值。

根据图4(b)中的考虑振动干扰情况下，根据粗估计值设计的掩膜如图5所示。按公式(9)分别提取各散射中心微多普勒曲线的质心，提取出的质心如图6所示，质心曲线中分离的振动干扰与旋转信号如图7所示。在本实例中振动补偿之后的信号时频分布如图8a)中所示，对补偿后的时频分布进行逆Radon变换后所得重构图像如图8b)所示。通过对比图4b)和图8b)可见，经过本发明提供方法处理后，所得图像中由振动引起的散射得到较大的消除，图像精确度得到较大提高。

实例2

本发明已经经过实验验证。以一个载频为322GHz的窄带太赫兹雷达系统为例，以旋转电机带动角反射器作为目标，以风扇带动空气振动来实现振动干扰。实验中电机的旋转速度设置为5r/min，旋转半径设置为32cm。本验证试验的目标为具有四面的两面角结构的，具有类似理想散射点散射特性的目标，该目标在处理中可以视为理想点目标。

获取回波之后，直接对其进行时频分析，如图9所示，可以看出，由于振动干扰的存在，时频分布图中不是完整的正弦曲线，而是受到干扰的正弦曲线，这与之前的分析相吻合。图中的三条曲线分别代表静止电机P1和两个旋转角反P2和P3。

按前述方法对图9的结果进行逆Radon变换的结果如图10所示，可以看出图中的特显点已经严重散焦。

按前述方法利用逆Radon变换的结果进行粗估计，然后设计出的掩膜如图11所示。

按前述方法利用所得掩膜，从图9的时频分布结果中分别抽取出三个目标的时频分布图，如图12所示。根据图12的分离结果及式(9)的质心提取方法得到的质心曲线如图13所示。然后对图13的结果进行频域滤波，即可实现旋转分量和振动干扰分量的分离。分离结果如图14所示。至此，已经实现了旋转分量与振动干扰分量的分离，下面进行振动干扰分量的补偿和旋转目标的图像重构。根据图14(b)的振动干扰多普勒分量，即可构造补偿信号，补偿之后的信号时频分布如图15所示，通过与图9得比较可以看出，经过补偿之后，振动干扰分量已经被基本消除，旋转目标的微多普勒曲线已经接近正弦曲线。

最后对图15的结果进行逆Radon变换以实现旋转目标图像重构，结果如图16所示，可以看出，振动干扰补偿之后，逆Radon变换的重构结果聚焦性明显增强，验证了本发明方法的有效性。

最后，为了衡量本发明方法的性能，采用数值仿真方法进行了100次蒙特卡罗仿真，得到了本发明方法的参数估计误差与信号信噪比的关系曲线，如图17所示，可以看出，信噪比在-12dB以上的情况下，本方法都具有十分优越的性能，参数估计误差小于1％。

本领域技术人员将清楚本发明的范围不限制于以上讨论的示例，有可能对其进行若干改变和修改，而不脱离所附权利要求书限定的本发明的范围。尽管己经在附图和说明书中详细图示和描述了本发明，但这样的说明和描述仅是说明或示意性的，而非限制性的。本发明并不限于所公开的实施例。

通过对附图，说明书和权利要求书的研究，在实施本发明时本领域技术人员可以理解和实现所公开的实施例的变形。在权利要求书中，术语“包括”不排除其他步骤或元素，而不定冠词“一个”或“一种”不排除多个。在彼此不同的从属权利要求中引用的某些措施的事实不意味着这些措施的组合不能被有利地使用。权利要求书中的任何参考标记不构成对本发明的范围的限制。

Claims (3)

1.一种实现振动干扰条件下旋转目标参数估计的方法，其特征在于，包括以下步骤：

步骤S100：通过窄带雷达获取待处理对象的回波信号，对所述回波信号进行时频分析得到待处理对象的微多普勒曲线，对所得微多普勒曲线进行逆Radon变换，得到旋转分量参数粗估计值，所述待处理对象为带有振动干扰的旋转目标；

步骤S200：根据所述旋转分量参数粗估计值和所述待处理对象的微多普勒曲线设计得到正弦掩膜，提取回波信号时频分布图上所述正弦掩膜处的值作为提取值，并对所述提取值进行质心提取后，以所述质心绘制得到微多普勒质心曲线，对所述微多普勒质心曲线依序进行傅里叶变换和频域滤波处理得到振动分量参数和旋转分量参数；

步骤S300：对所述提取值进行逆时频分析，得到含有振动干扰的旋转目标回波信号，根据所述振动分量参数构建补偿信号，对所述待处理对象的回波信号进行振动补偿得到旋转回波；

步骤S400：对所述旋转回波信号进行时频分析，得到正弦形式的旋转微多普勒曲线，然后对所述正弦形式的旋转微多普勒曲线进行逆Radon变换，得到旋转目标的重构图像。

2.根据权利要求1所述的实现振动干扰条件下旋转目标参数估计的方法，其特征在于，所述掩膜的宽度大于特显点的散焦程度。

3.根据权利要求2所述的实现振动干扰条件下旋转目标参数估计的方法，其特征在于，所述质心提取步骤包括按下式进行质心提取：

$centroid\left(t\right)=\frac{{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}f\·|TF(t,f){|}^{2}df}{{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}|TF(t,f){|}^{2}df}$

其中，TF(t,f)表示所述待处理对象所包含的各个散射中心微多普勒曲线，f为频率。