CN107942323B - 基于频域熵的进动目标时频曲线提取方法 - Google Patents
基于频域熵的进动目标时频曲线提取方法 Download PDFInfo
- Publication number
- CN107942323B CN107942323B CN201711144186.8A CN201711144186A CN107942323B CN 107942323 B CN107942323 B CN 107942323B CN 201711144186 A CN201711144186 A CN 201711144186A CN 107942323 B CN107942323 B CN 107942323B
- Authority
- CN
- China
- Prior art keywords
- frequency
- points
- time
- moment
- point
- 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.)
- Active
Links
Images
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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
Abstract
本发明公开了一种基于频域熵的进动目标时频曲线提取方法,主要解决现有技术频谱关联计算量大效率低的问题。其方案是:1.对雷达回波信号包络进行快速傅里叶变换得到时频信号;2.利用恒虚警算法对每个时刻的时频信号做恒虚警,每个时刻得到一系列的频率点;3.对所每个时刻得到的一系列的频率点做凝集处理,每个时刻得到一个或两个时频点;4.利用频域熵对得到一个或两个时频点进行匹配,得到一条曲线,剩下的点自动组成另一条曲线。本发明减少了计算量,提高了关联效率,提高了匹配成功率,可用于目标识别。
Description
技术领域
本发明属于雷达技术领域,特别涉及一种频域熵的进动目标时频曲线提取方法,可用于目标识别。
背景技术
空间锥体目标运动时会在其运行轨道上发生旋转和振动这些微小的运动,这些微小的运动称为微动。微动是一个很普遍的现象,一般运动物体都会伴随着微动如:人在行走时四肢的摆动、人体呼吸和心跳引起的胸腔振动、直升机旋翼的旋转、天线的旋转、车辆在前进时车轮的转动、发动机工作时的振动等。目标的微运动产生的微多普勒特征可以反映目标结构部件的几何构成和运动特性,是独一无二的的特征,可为目标分类识别提供新的途径。对微运动形式的正确建模和微多普勒特性的有效提取可以反演目标的微动参数,在军事和民用方面都有着广泛的应用前景。目前微动特征已经成功应用于空中目标、地面车辆、行人、弹道导弹等目标的分类和识别中。
如前所述,若想要获得空间锥体的微动特征,须准确提取其微多普勒信息。但是在实际工作环境中,接收到的窄带锥体目标回波通信号通常是由主体上多个散射中心的回波信号的叠加组成。由于信号在时域相互叠加时会造成频率干扰,因此为了提取锥体目标微动特征,有必要提取单分量微多普勒信号。
目前,提取单分量微多普勒信号是基于时频图的微动特征提取方法进行,这种方法将时域信号转换成时频域,然后从时频图中提取出目标各个散射中心的微多普勒特征。这种方法存在以下两方面的不足:
一是由于雷达接收到的空间锥体目标回波信号是锥体上各个散射中心回波信号的叠加,从而在时频图中各个散射中心的时频曲线相互交叉,所以难以在时频图中对各个散射中心的时频曲线进行直接提取。
二是由于时频图的微动特征提取方法都需解决频点关联问题,而频点关联又存在两方面缺点:一方面,频点关联易在不同散射中心的时频曲线交叉点产生错误,导致微动特征提取失败;另一方面,时频关联会增加计算复杂度,降低微动特征提取的效率。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于频域熵的进动目标时频曲线提取方法,以降低时频关联计算复杂度,提高提取效率。
本发明的技术思路是:利用简单的频域熵理论快速提取进动目标的微动特征,根据已知锥顶散射中心的时频曲线是正弦形式,锥顶散射中心时频曲线的傅里叶变换在频域上为冲击函数的形式,且冲击函数频谱熵值最低的性质,对时频图中提取出来的频点进行关联。其实现方案包括如下:
(1)对回波包络信号进行快速傅里叶变换,从回波信号中得到回波信号的时频信号:P=STFT(sr),其中,STFT(sr)表示对回波信号包络sr的短时傅里叶变换;
(2)利用恒虚警算法对每时刻的时频信号做恒虚警,得到每个时刻的一系列频率点;
(3)对所得到的一系列频率点在每个时刻的两个密集部分分别求质心,在两个密集部分分散的时刻得到每个时刻的两个中心频率点,在两个密集部分集中的时刻得到一个零频点;
(4)利用频域熵进行匹配:
4a)将每相邻两个零频点之间设为一个单元,把第1个零频点前的所有正值点放在集合F中,用集合F中所有的点与第1个零频点后一个单元内的所有正值点组成一个正集合v+,将第1个零频点前的所有正值点与第1个零频点后一个单元内的所有负值点组成一个负集合v-;
4b)分别计算正集合v+的信息熵E(v+)和负集合v-信息熵E(v-),比较E(v+)和E(v-)的大小,选取信息熵小的集合,并用信息熵小的集合更新集合F中,继续向后组合;
(5)在第i个零频点处重复步骤(4),继续向后组合,直到匹配完所有点。匹配出一条时频曲线,剩余的点自动组成另一条时频曲线,其中i=2,3,4,...。的
本发明具有如下优点:
本发明在利用频域熵进行匹配时,由于采用对时频信号进行分段组合,而不是对时频信号做一个点一个点的匹配,降低了匹配的复杂度,提高了匹配成功率;同时由于本发明分别计算不同组合的频谱熵,减少了匹配的计算量,提高了匹配的效率。
附图说明
图1为本发明的实现流程图;
图2为本发明中的匹配示意图;
图3为本发明的仿真实验结果图。
具体实施方法
下面结合附图对本发明作进一步说明详细。
步骤1:根据雷达接收到的回波信号计算时频信号P。
1a)雷达接收空间锥体目标回波信号:sr={s1,s2,s3,...,si,...,sH},其中si代表第i个脉冲,i∈[1,H],H表示回波的个数;
1b)对回波信号sr进行短时傅里叶变换得到时频信号:P=STFT(sr),其中,STFT(Δ)表示短时傅里叶变换,其中P为回波信号经过短时傅里叶变换得到的时频信号。
步骤2:对得到的时频信号做恒虚警处理。
2a)根据雷达的虚警概率设门限值D,比如本发明中的雷达虚警概率为10-6,则门限值D为10-6;
2b)将时频信号P中的每个时刻的每个点与门限值D进行比较,保留值大于D的点,去除值小于D的点,从而得到一系列的过门限的点,即经过恒虚警处理过后的点,记为:
T={tt1,1,tt1,2,tt1,3,...,tt1,q,...,tt2,1,tt2,2,tt2,3,...,tt2,j,...,tti,d,...},
其中,tt1,q表示t1时刻第q个点,tt2,j表示t2时刻第j个点,tti,d表示ti时刻的第d个点。
步骤3:对经过恒虚警处理过后的点做凝集处理。
3a)取出所有ti时刻的点Tti={tti,1,tti,2,tti,3,...,tti,j,...},用公式对Tti两个密集部分分别求质心,得出两个点pti和nti,其中,Tti表示ti时刻经过恒虚警处理过后的点的集合,tti,j表示ti时刻第j个点,pti和nti表示凝聚后得到的两个点,fm表示第m个点迹的频点,Em表示第m个点迹幅值,m=1,2,3,...,M,M为一个散射中心获得的点迹的个数;
3b)取出所有tj时刻的点Ttj={ttj,1,ttj,2,ttj,3,...,ttj,i,...},用公式对Ttj一个密集部分求质心,得到一个零频点Oj,其中,Ttj表示tj时刻经过恒虚警处理过后的点的集合,ttj,i表示tj时刻第i个点,fg表示第g个点迹的频点,Eg表示第g个点迹幅值,g=1,2,3,...,G,G为一个散射中心获得的点迹的个数,Oj表示凝聚后得到的一个零频点;
3c)重复上述步骤3a)和3b)直至求出所有时刻的点的质心V={pt1,nt1,...,pti,nti,...,Oj,...},如图2(a)所示,其中,V是凝聚得到的所有点的集合。
步骤4:利用频域熵进行分段匹配。
4a)将每相邻两个零频点之间设为一个单元;
4b)参照图2(b),在第1个零频点处把第1个零频点前的所有正值点放在集合F中,用集合F中所有的点与第1个零频点后一个单元内的所有正值点组成一个正集合v+,将第1个零频点前的所有正值点与第1个零频点后一个单元内的所有负值点组成一个负集合v-;
4c)分别计算正集合v+的信息熵E(v+)和负集合v-信息熵E(v-):
比较E(v+)和E(v-)的大小,选取信息熵小的集合,并用信息熵小的集合更新集合F中,继续向后组合,其中,表示信号v+的第a个点的取值,表示值为的概率,a=1,2,3,...,A,A表示总点数,表示信号v-的第b个点的取值,表示值为的概率,b=1,2,3,...,B,B表示总点数。
步骤5:参照图2(c),在第k个零频点处重复步骤(4),直到匹配完所有点,匹配出一条时频曲线,剩余的点自动组成另一条时频曲线,其中k=2,3,4,...。
本发明的效果通过以下实验进一步说明。
1)实验参数
设雷达参数:雷达载频10GHZ,带宽1MHZ,重频500HZ,脉宽5μs。
设锥体目标参数为:锥体底面半径0.25,弹头高1m,质心位置距底面中心0.212m。
设雷达视线俯仰角60°,方位角90°,雷达驻留时间2s。锥体进动参数:自旋频率0.8HZ,进动频率3HZ,锥旋角10度。
2)实验仿真
在上述实验条件下用本发明方法提取锥体目标进动状态下锥顶和锥底的时频曲线,结果如图3,其中:
图3(a)是原始接收信号的时频图,
图3(b)是经过提取凝聚挑选后的点迹,
图3(c)是进行匹配关联后的点迹,
图3(d)是利用匹配法得到的时频曲线。
由图3可见,在允许一定误差范围内,本发明在目标锥体进动状态下可以较准确提取时频曲线。
以上描述仅是本发明的一个具体实例,并未构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修正和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (3)
1.一种基于频域熵的进动目标时频曲线提取方法,包括:
(1)对回波包络信号进行快速傅里叶变换,从回波信号中得到回波信号的时频信号:P=STFT(sr),其中,STFT(sr)表示对回波信号包络sr的短时傅里叶变换;
(2)利用恒虚警算法对每时刻的时频信号做恒虚警,得到每个时刻的一系列频率点;
(3)对所得到的一系列频率点在每个时刻的两个密集部分分别求质心,按如下公式进行:
其中,fj表示第j个点迹的频点,Ej表示第j个点迹幅值,j=1,2,3,...,n,n为一个散射中心获得的点迹的个数;
在两个密集部分分散的时刻得到每个时刻的两个中心频率点,在两个密集部分集中的时刻得到一个零频点;
(4)利用频域熵进行匹配:
将每相邻两个零频点之间设为一个单元,把第1个零频点前的所有正值点放在集合F中,用集合F中所有的点与第1个零频点后一个单元内的所有正值点组成一个正集合v+,将第1个零频点前的所有正值点与第1个零频点后一个单元内的所有负值点组成一个负集合v-;
分别计算正集合v+的信息熵E(v+)和负集合v-信息熵E(v-),比较E(v+)和E(v-)的大小,选取信息熵小的集合,并用信息熵小的集合更新集合F中,继续向后组合;
(5)在第i个零频点处重复步骤(4),直到匹配完所有点,匹配出一条时频曲线,剩余的点自动组成另一条时频曲线,其中i=2,3,4,...。
2.根据权利要求1所述的方法,其中步骤(2)中利用恒虚警算法对每时刻的时频信号做恒虚警,得到每个时刻的一系列频率点,按如下步骤进行:
(2a)根据雷达的虚警概率设门限值D;
(2b)将每个时刻各个点的值与门限D进行比较:
保留大于D的所有点,舍去小于D的所有点,即在每个时刻得到一系列大于门限值的频率点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711144186.8A CN107942323B (zh) | 2017-11-17 | 2017-11-17 | 基于频域熵的进动目标时频曲线提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711144186.8A CN107942323B (zh) | 2017-11-17 | 2017-11-17 | 基于频域熵的进动目标时频曲线提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107942323A CN107942323A (zh) | 2018-04-20 |
CN107942323B true CN107942323B (zh) | 2021-05-18 |
Family
ID=61932752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711144186.8A Active CN107942323B (zh) | 2017-11-17 | 2017-11-17 | 基于频域熵的进动目标时频曲线提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107942323B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108627667B (zh) * | 2018-05-15 | 2020-11-03 | 中国人民解放军战略支援部队航天工程大学 | 基于光度序列同时估计空间失稳目标进动和自旋速率方法 |
CN111308440A (zh) * | 2020-03-17 | 2020-06-19 | 上海无线电设备研究所 | 超宽带雷达目标检测方法、电子设备和存储介质 |
CN112924944B (zh) * | 2021-02-02 | 2023-06-13 | 西安电子工程研究所 | 一种基于时频谱熵估计的车辆目标微动信号抑制方法 |
CN114002658B (zh) * | 2021-12-28 | 2022-05-24 | 中南大学 | 基于点迹曲线关联曲线分离的雷达目标微动特征提取方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007040366A1 (en) * | 2005-10-05 | 2007-04-12 | Lg Electronics Inc. | Method and apparatus for signal processing and encoding and decoding method, and apparatus therefor |
WO2007138146A1 (es) * | 2006-05-30 | 2007-12-06 | Consejo Superior De Investigaciones Científicas | Método automático de análisis de señales acústicas no-estacionarias |
CN102866391A (zh) * | 2012-09-05 | 2013-01-09 | 中北大学 | 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法 |
CN103885051A (zh) * | 2014-03-21 | 2014-06-25 | 西安电子科技大学 | 基于时频成像的简单散射点锥体目标的参数估计方法 |
CN104007430A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于瞬时调频率估计的进动目标的微多普勒提取方法 |
CN104091603A (zh) * | 2014-05-23 | 2014-10-08 | 普强信息技术(北京)有限公司 | 基于基频的端点检测系统及其计算方法 |
CN106842181A (zh) * | 2017-03-15 | 2017-06-13 | 西安电子科技大学 | 基于经验模态分解的空间锥体目标微动特征提取方法 |
CN107167784A (zh) * | 2017-07-05 | 2017-09-15 | 电子科技大学 | 一种基于多通道比相定位的多人体目标定位跟踪方法 |
-
2017
- 2017-11-17 CN CN201711144186.8A patent/CN107942323B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007040366A1 (en) * | 2005-10-05 | 2007-04-12 | Lg Electronics Inc. | Method and apparatus for signal processing and encoding and decoding method, and apparatus therefor |
WO2007138146A1 (es) * | 2006-05-30 | 2007-12-06 | Consejo Superior De Investigaciones Científicas | Método automático de análisis de señales acústicas no-estacionarias |
CN102866391A (zh) * | 2012-09-05 | 2013-01-09 | 中北大学 | 基于短时傅里叶变换和分数阶傅里叶变换的多目标检测方法 |
CN103885051A (zh) * | 2014-03-21 | 2014-06-25 | 西安电子科技大学 | 基于时频成像的简单散射点锥体目标的参数估计方法 |
CN104091603A (zh) * | 2014-05-23 | 2014-10-08 | 普强信息技术(北京)有限公司 | 基于基频的端点检测系统及其计算方法 |
CN104007430A (zh) * | 2014-05-29 | 2014-08-27 | 西安电子科技大学 | 基于瞬时调频率估计的进动目标的微多普勒提取方法 |
CN106842181A (zh) * | 2017-03-15 | 2017-06-13 | 西安电子科技大学 | 基于经验模态分解的空间锥体目标微动特征提取方法 |
CN107167784A (zh) * | 2017-07-05 | 2017-09-15 | 电子科技大学 | 一种基于多通道比相定位的多人体目标定位跟踪方法 |
Non-Patent Citations (2)
Title |
---|
A Coning Micro-Doppler Signals Separation Algorithm based on Time-Frequency Information;Shi Yuchun et al.;《2017 IEEE International Conference on Signal Processing,Communications and Computing (ICSPCC)》;20171025;第1-5页 * |
一种基于时频分析的窄带雷达飞机目标分类特征提取方法;赵越 等;《电子与信息学报》;20170930;第2225-2231页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107942323A (zh) | 2018-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107942323B (zh) | 基于频域熵的进动目标时频曲线提取方法 | |
CN107728142B (zh) | 基于二维卷积网络的雷达高分辨距离像目标识别方法 | |
CN108020819A (zh) | 弹载雷达跟踪到运动目标后的箔条云干扰回波模拟方法 | |
Park et al. | Performance analysis of the scenario-based construction method for real target ISAR recognition | |
CN109001705A (zh) | 宽带雷达三维干涉测量锥体目标微动参数估计方法 | |
CN110146872A (zh) | 基于逆Radon变换的人体微多普勒分量提取方法 | |
CN106842181A (zh) | 基于经验模态分解的空间锥体目标微动特征提取方法 | |
CN103913736A (zh) | 基于谱图重排的激光微多普勒参数估计方法 | |
CN105044710A (zh) | 含径向速度信息的圆周运动目标航迹起始方法 | |
Zhu et al. | Classification of UAV-to-ground targets based on enhanced micro-Doppler features extracted via PCA and compressed sensing | |
CN108387880A (zh) | 一种基于多尺度有向Lyapunov指数的海杂波背景下弱小目标检测方法 | |
CN106814351B (zh) | 基于三阶lpc技术的飞机目标分类方法 | |
Xiong et al. | Micro-Doppler ambiguity resolution with variable shrinkage ratio based on time-delayed cross correlation processing for wideband radar | |
Lim et al. | High resolution range profile-jet engine modulation analysis of aircraft models | |
Zhu et al. | Classification of ground vehicles based on micro-Doppler effect and singular value decomposition | |
CN112904327A (zh) | 基于调频模糊函数的复合微动目标参数估计方法 | |
CN106353751B (zh) | 一种高分辨率引信目标检测方法 | |
CN113625245B (zh) | 一种弹道导弹中段目标进动参数估计方法 | |
Xiao et al. | Multi-target ISAR imaging based on image segmentation and short-time Fourier transform | |
Zhu et al. | Classification of UAV-to-ground vehicles based on micro-Doppler signatures using singular value decomposition and reconstruction | |
CN114428235A (zh) | 基于决策级融合的空间微动目标识别方法 | |
Agnihotri et al. | The extraction of key distinct features for identification and classification of helicopters using Micro-Doppler Signatures | |
Xia et al. | Aircraft target classification method for conventional narrowband radar based on micro-Doppler effect | |
Zhang et al. | Human micro-Doppler signature extraction in the foliage-penetration environment | |
Sun et al. | Parameter estimation of walking human based on micro-Doppler |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |