CN107942323B - 基于频域熵的进动目标时频曲线提取方法 - Google Patents

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

基于频域熵的进动目标时频曲线提取方法

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,...,s_i,...,s_H}，其中s_i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＝{t_t1,1,t_t1,2,t_t1,3,...,t_t1,q,...,t_t2,1,t_t2,2,t_t2,3,...,t_t2,j,...,t_ti,d,...}，

其中，t_t1,q表示t1时刻第q个点，t_t2,j表示t2时刻第j个点，t_ti,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T_ti＝{t_ti,1,t_ti,2,t_ti,3,...,t_ti,j,...}，用公式

对T_ti两个密集部分分别求质心，得出两个点p_ti和n_ti，其中，T_ti表示ti时刻经过恒虚警处理过后的点的集合，t_ti,j表示ti时刻第j个点，p_ti和n_ti表示凝聚后得到的两个点，f_m表示第m个点迹的频点，E_m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T_tj＝{t_tj,1,t_tj,2,t_tj,3,...,t_tj,i,...}，用公式

对T_tj一个密集部分求质心，得到一个零频点O_j，其中，T_tj表示tj时刻经过恒虚警处理过后的点的集合，t_tj,i表示tj时刻第i个点，f_g表示第g个点迹的频点，E_g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，O_j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＝{p_t1,n_t1,...,p_ti,n_ti,...,O_j,...}，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，f_j表示第j个点迹的频点，E_j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。

3.根据权利要求1所述的方法，其中步骤(4)中分别计算正集合v⁺的信息熵E(v⁺)和负集合v^-信息熵E(v^-)，按如下公式进行：

其中，

表示正集合v⁺的第a个点的取值，

表示正集合v⁺的第a个点取值为

的概率，a＝1,2,3,...,A，A表示正集合总点数，

表示负集合v^-的第b个点的取值，

表示负集合v^-的第b个点取值为

的概率，b＝1,2,3,...,B，B表示负集合总点数。

Images