CN107247933A - 一种烟雾环境中fmcw激光定距系统差频信号提取方法 - Google Patents

一种烟雾环境中fmcw激光定距系统差频信号提取方法 Download PDF

Info

Publication number
CN107247933A
CN107247933A CN201710389158.6A CN201710389158A CN107247933A CN 107247933 A CN107247933 A CN 107247933A CN 201710389158 A CN201710389158 A CN 201710389158A CN 107247933 A CN107247933 A CN 107247933A
Authority
CN
China
Prior art keywords
imf
signal
emd
difference frequency
spacings
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
Application number
CN201710389158.6A
Other languages
English (en)
Inventor
宋承天
段亚博
刘欣
刘博虎
潘曦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201710389158.6A priority Critical patent/CN107247933A/zh
Publication of CN107247933A publication Critical patent/CN107247933A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/495—Counter-measures or counter-counter-measures using electronic or electro-optical means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Multimedia (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种烟雾环境中FMCW激光定距系统差频信号提取方法，首先将烟雾环境中FMCW激光定距系统差频信号分解为若干IMF分量，采用EMD‑DT对每个IMF分量进行初步阈值去噪处理，然后采用Spearman相关系数判断去噪后的IMF分量与原信号的相关性，根据设定的相关性阈值确定有用信号占主导的IMF分量起始阶数，之后对特定的IMF分量进行重构，最后完成对差频信号自适应滤波。本发明结合了EMD‑DT阈值去噪和基于Spearman相关系数的IMF分量重构两者的优势，能有效提取烟雾环境中FMCW激光定距系统差频信号中目标回波对应的有用信息，滤除低频处后向散射干扰和高频处随机噪声，大幅度提高FMCW激光定距系统抗烟雾干扰能力。

Description

一种烟雾环境中FMCW激光定距系统差频信号提取方法
技术领域
本发明涉及到FMCW激光定距系统抗烟雾干扰技术领域，具体地说，是一种烟雾环境中基于EMD-DT阈值去噪与Spearman相关判断的FMCW激光定距系统差频信号提取方法。
背景技术
FMCW激光定距技术从FMCW雷达技术发展而来，已经在民用和军用高精度目标测距中得到广泛应用，激光具有单色性好、发射波束窄、测距精度高、抗电磁干扰能力强的特点，但易受自然环境中烟雾干扰。
为了提高FMCW激光定距系统抗烟雾干扰性能，就必须对FMCW系统中差频信号进行有效处理，提取烟雾环境中FMCW激光定距系统差频信号中目标回波对应的有用信息，滤除低频处后向散射干扰和高频处随机噪声。传统的信号处理方法大都是以目标回波为线性平稳作为假设条件的,而实际烟雾环境中FMCW激光定距系统中差频信号包含了大量的环境干扰信号和噪声，造成了非线性、非平稳的,其统计特性也是时变函数。
美国国家宇航局Norden E.Huang等人于1998年提出了经验模态分解方法(Empirical Mode Decoposition,EMD),它是一种新型的自适应信号时频处理方法。目前基于EMD分解的信号处理主要有两种思路，第一种借鉴小波阈值去噪的算法，其中代表性的算法有EMD-DT(EMD direct thresholding)，借鉴小波阈值去噪原理，在含噪声的IMF分量中，根据噪声类型设定阈值，IMF分量中所有幅度值低于该阈值的被直接滤除，反之则保留，最后将阈值去噪后的IMF重构得到去噪后信号。针对EMD分解的另一种信号处理思路为部分IMF分量重构，可以对分解得到的IMF分量进行判断，将干扰和噪声占主导的IMF分量在重构过程中去除，保留有用信号主导的IMF分量，这样重构后对原始信号达到自适应滤波效果。
发明内容
针对现有技术的不足，本发明的目的是提供一种烟雾环境中FMCW激光定距系统差频信号提取方法，该方法具有良好的自适应性，能够有效的提取烟雾环境中FMCW激光定距系统差频信号中目标回波对应的有用信息，滤除低频处后向散射干扰和高频处随机噪声，提高FMCW激光定距系统抗烟雾干扰能力。
为了达到上述目的，本发明采用以下技术方案：
一种烟雾环境中FMCW激光定距系统差频信号提取方法，包括以下步骤：
步骤1、采用EMD分解对烟雾环境中FMCW激光定距系统差频信号进行处理，得到L阶IMF分量：首先将原始含噪声差频信号x(n)进行EMD分解，EMD分解后信号为：其中hi(n)为第i阶本征模态函数IMF，r(n)为余项，L为IMF分量个数；
步骤2、采用EMD-DT对所有IMF分量进行初步阈值去噪：对所述hi(n)进行EMD-DT阈值去噪得到hi(n)，则其中x(n)表示对x(n)进行EMD-DT阈值去噪后的信号；
步骤3、采用Spearman相关系数对EMD-DT处理后的IMF分量与原差频信号去噪后信号x(n)进行相似性判断：随m增大依次计算Spearman相关系数ρ(m)＝Spearman{x(n),xm(n)}，其中xm(n)＝hm(n),m＝1...L；
步骤4、对特定IMF分量进行重构后得到滤除噪声后的差频信号：设定部分IMF函数重构的判断条件为其中C选择0.7，表示m从小到大过程中第一个使得ρ(m)≥C成立的m值，由于差频信号频谱的单频特性,选取重构分量IMFk～IMFk+1，最后得到去噪后信号为
本发明的有益效果：
本发明首先将烟雾环境中FMCW激光差频信号分解为若干IMF分量，采用EMD-DT对每个IMF分量进行初步阈值去噪处理，然后采用Spearman相关系数判断去噪后的IMF分量与原信号的相关性，根据设定的相关性阈值确定有用信号占主导的IMF分量起始阶数，之后对特定的IMF分量进行重构，最后完成对差频信号自适应滤波。本发明的优点是：充分结合了EMD-DT阈值去噪和基于Spearman相关系数的IMF分量重构两者的优势，能有效提取烟雾环境中差频信号中目标回波对应的有用信息，滤除低频处后向散射干扰和高频处随机噪声，大幅度提高FMCW激光定距系统抗烟雾干扰能力。
附图说明
图1是本发明的算法流程图；
图2是本发明对FMCW激光定距系统烟雾环境中差频信号滤波处理图。
具体实施方式
下面结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其他不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
下面结合附图对本发明的具体实施方式以及工作原理做进一步详细说明。
参见附图1，一种烟雾环境中FMCW激光定距系统差频信号提取方法，按照以下步骤进行：
首先进行步骤1：本实施中FMCW激光定距系统距离目标距离8m，发射信号采用三角波调频体制,为10M～110MHz线性调制信号，调制周期Tm为200us，其中上下扫频时间均为100us。AD采样频率为3MHz，在实时采样过程中将长度为2Tm的差频信号经过485串口直接传输到电脑上位机进行后续信号处理，对差频信号x(n)进行EMD分解后，EMD分解后信号为：其中hi(n)为第i阶本征模态函数IMF，r(n)为余项，IMF分量个数为10。
然后进入步骤2：采用EMD-DT阈值去噪对所有IMF分量进行初步滤波过程按照以下步骤进行：
对hi(n)进行EMD-DT阈值去噪得到hi(n)，则
其中hi(n)表示第i阶IMF分量，Ti为hi(n)的阈值。其中阈值其中N表示数据采集长度，σi为噪声的标准差。
对于原始信号中包含加性高斯白噪声，EMD分解后得到的IMF分量中，除了第一阶主要由噪声构成，其他IMF中所含白噪声仍服从高斯分布，并且能量谱函数保持了自相似性。每个IMF中噪声能量Ei按IMF阶数指数递减，表达式如下，
其中E1为第一阶IMF能量，β和ρ两个参数由大量独立实验测试得出，本发明取β＝0.719，ρ＝2.01，根据Ei和σi关系，Ti可表示如下：
然后进入步骤3：采用Spearman相关系数对EMD-DT处理后的IMF分量与原差频信号进行相似性判断过程按照以下步骤进行：
随m增大依次计算Spearman相关系数ρ(m)＝Spearman{x(n),xm(n)}，其中xm(n)＝hi(n)。设定部分IMF函数重构的判断条件为其中C选择0.7，由于差频信号频谱的单频特性,选取重构分量IMFk～IMFk+1，最后得到去噪后信号为从左至右分别为烟雾环境中后向散射干扰信号，频谱峰值对应的目标回波信号，以及高频随机干扰噪声，此时后向散射干扰对应的频谱幅度峰值大于目标对应的频谱幅度峰值，采用常规的峰值提取获得目标距离信息将受到严重干扰。
根据本发明计算结果提取得到的IMF5～IMF6分量重构后的信号频谱峰值处对应的频率与原始差频信号频谱峰值对应的频率相同，为52.73KHz，计算目标距离为7.90m(实际目标距离为8m)，由此可知重构分量IMF5～IMF6可以有效提取目标信息。验证了本发明滤波算法可以滤除差频信号中频谱峰值左侧低频处的后向散射干扰，以及高频处的随机噪声。如果对滤除的高阶IMF7～IMF10分量进行重构可以看出，基本可以还原了原始差频信号中的后向散射干扰。

Claims (1)

1.一种烟雾环境中FMCW激光定距系统差频信号提取方法，其特征在于，包括以下步骤：
步骤1、采用EMD分解对烟雾环境中FMCW激光定距系统差频信号进行处理，得到L阶IMF分量：首先将原始含噪声差频信号x(n)进行EMD分解，EMD分解后信号为：其中hi(n)为第i阶本征模态函数IMF，r(n)为余项，L为IMF分量个数；
步骤2、采用EMD-DT对所有IMF分量进行初步阈值去噪：对所述hi(n)进行EMD-DT阈值去噪得到hi(n)，则其中x(n)表示对x(n)进行EMD-DT阈值去噪后的信号；
步骤3、采用Spearman相关系数对EMD-DT处理后的IMF分量与原差频信号去噪后信号x(n)进行相似性判断：随m增大依次计算Spearman相关系数ρ(m)＝Spearman{x(n),xm(n)}，其中xm(n)＝hm(n),m＝1...L；
步骤4、对特定IMF分量进行重构后得到滤除噪声后的差频信号：设定部分IMF函数重构的判断条件为其中C选择0.7，表示m从小到大过程中第一个使得ρ(m)≥C成立的m值，由于差频信号频谱的单频特性,选取重构分量IMFk～IMFk+1，最后得到去噪后信号为
CN201710389158.6A 2017-05-27 2017-05-27 一种烟雾环境中fmcw激光定距系统差频信号提取方法 Pending CN107247933A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710389158.6A CN107247933A (zh) 2017-05-27 2017-05-27 一种烟雾环境中fmcw激光定距系统差频信号提取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710389158.6A CN107247933A (zh) 2017-05-27 2017-05-27 一种烟雾环境中fmcw激光定距系统差频信号提取方法

Publications (1)

Publication Number Publication Date
CN107247933A true CN107247933A (zh) 2017-10-13

Family

ID=60017682

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710389158.6A Pending CN107247933A (zh) 2017-05-27 2017-05-27 一种烟雾环境中fmcw激光定距系统差频信号提取方法

Country Status (1)

Country Link
CN (1) CN107247933A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108051857A (zh) * 2017-12-05 2018-05-18 中国石油大学(华东) 一种基于经验模态分解的局部相似性小波阈值去噪方法
CN112085098A (zh) * 2020-09-09 2020-12-15 南京信息工程大学 极轨高分辨率卫星全通道资料条纹噪声滤除方法
CN114065878A (zh) * 2022-01-17 2022-02-18 国网山东省电力公司泰安供电公司 一种基于多参量物联融合技术的电量缺失值填补方法
WO2022217406A1 (zh) * 2021-04-12 2022-10-20 深圳市速腾聚创科技有限公司 信号处理方法、装置及可读存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1609630A (zh) * 2004-10-21 2005-04-27 上海交通大学 提取混沌干扰下的谐波信号的方法
CN101822548A (zh) * 2010-03-19 2010-09-08 哈尔滨工业大学（威海） 基于相关性分析与经验模态分解的超声信号去噪方法
CN102620928A (zh) * 2012-03-02 2012-08-01 燕山大学 基于小波半软阈值和emd的风电齿轮箱故障诊断方法
CN104182625A (zh) * 2014-08-15 2014-12-03 重庆邮电大学 基于形态学与emd类小波阈值的心电信号去噪方法
US20170116155A1 (en) * 2015-10-22 2017-04-27 National Central University System and method of conjugate adaptive conjugate masking empirical mode decomposition

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1609630A (zh) * 2004-10-21 2005-04-27 上海交通大学 提取混沌干扰下的谐波信号的方法
CN101822548A (zh) * 2010-03-19 2010-09-08 哈尔滨工业大学（威海） 基于相关性分析与经验模态分解的超声信号去噪方法
CN102620928A (zh) * 2012-03-02 2012-08-01 燕山大学 基于小波半软阈值和emd的风电齿轮箱故障诊断方法
CN104182625A (zh) * 2014-08-15 2014-12-03 重庆邮电大学 基于形态学与emd类小波阈值的心电信号去噪方法
US20170116155A1 (en) * 2015-10-22 2017-04-27 National Central University System and method of conjugate adaptive conjugate masking empirical mode decomposition

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YABO DUAN ET AL.: "Relevant modes selection method based on Spearman correlation coefficient for laser signal denoising using empirical mode decomposition", 《OPTICAL REVIEW》 *
侯盼卫: "FMCW测距雷达的信号处理技术研究与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
杜蓓: "一种新型阈值的EMD去噪方法", 《科技信息》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108051857A (zh) * 2017-12-05 2018-05-18 中国石油大学(华东) 一种基于经验模态分解的局部相似性小波阈值去噪方法
CN108051857B (zh) * 2017-12-05 2019-08-06 中国石油大学(华东) 一种基于经验模态分解的局部相似性小波阈值去噪方法
CN112085098A (zh) * 2020-09-09 2020-12-15 南京信息工程大学 极轨高分辨率卫星全通道资料条纹噪声滤除方法
WO2022217406A1 (zh) * 2021-04-12 2022-10-20 深圳市速腾聚创科技有限公司 信号处理方法、装置及可读存储介质
CN114065878A (zh) * 2022-01-17 2022-02-18 国网山东省电力公司泰安供电公司 一种基于多参量物联融合技术的电量缺失值填补方法

Similar Documents

Publication Publication Date Title
CN108845306B (zh) 基于变分模态分解的激光雷达回波信号去噪方法
CN107247933A (zh) 一种烟雾环境中fmcw激光定距系统差频信号提取方法
CN108469560B (zh) 一种基于快速s变换时频空间模型的电磁干扰客观复杂度评估方法
CN104331583B (zh) 一种基于实测海杂波数据的多重分形建模方法
CN104636609B (zh) 一种基于经验模态分解与小波分析的信号联合去噪方法
CN110334591A (zh) 一种基于聚类分析的无人机跳频信号检测及识别方法
CN112164062A (zh) 一种基于遥感时序分析的抛荒地信息提取方法及装置
CN102506444B (zh) 基于智能控制的计算机视觉技术的炉膛火焰检测方法
CN111680737B (zh) 差异性信噪比条件下的雷达辐射源个体识别方法
CN103279957A (zh) 一种基于多尺度特征融合的遥感图像感兴趣区域提取方法
CN103941254A (zh) 一种基于地质雷达的土壤物性类别识别方法和装置
CN110187313B (zh) 基于分数阶Fourier变换的雷达信号分选识别方法及装置
CN109871733A (zh) 一种自适应海杂波信号去噪方法
CN106443625B (zh) 基于高分辨一维像信息融合的目标识别方法
CN103308829B (zh) 一种gis单次局放信号提取与触发时刻调整方法
CN112014801A (zh) 一种基于SPWVD和改进AlexNet的复合干扰识别方法
CN104867139A (zh) 一种基于辐射场的遥感图像云及阴影检测方法
CN116797796A (zh) Drfm间歇采样下基于时频分析与深度学习的信号识别方法
CN103530885B (zh) 一种一维图像自适应分层边缘检测提取方法
CN104166975A (zh) 一种复杂环境下低空红外目标检测算法
Limin et al. Low probability of intercept radar signal recognition based on the improved AlexNet model
CN102693530B (zh) 基于目标提取和srad算法的sar图像去斑方法
CN116755005A (zh) 一种基于模型的发生雷电时磁场监测方法及系统
CN111461999A (zh) 一种基于超像素相似性测量的sar图像相干斑抑制方法
CN104215960A (zh) 基于改进粒子滤波的目标跟踪方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20171013