CN109471084B - 一种电磁散射机理分解方法 - Google Patents

一种电磁散射机理分解方法 Download PDF

Info

Publication number
CN109471084B
CN109471084B CN201811407125.0A CN201811407125A CN109471084B CN 109471084 B CN109471084 B CN 109471084B CN 201811407125 A CN201811407125 A CN 201811407125A CN 109471084 B CN109471084 B CN 109471084B
Authority
CN
China
Prior art keywords
scattering
time
target
resolution
mechanisms
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
Application number
CN201811407125.0A
Other languages
English (en)
Other versions
CN109471084A (zh
Inventor
李建周
刘祥威
刘露
范超群
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201811407125.0A priority Critical patent/CN109471084B/zh
Publication of CN109471084A publication Critical patent/CN109471084A/zh
Application granted granted Critical
Publication of CN109471084B publication Critical patent/CN109471084B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01SRADIO 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
    • G01S7/00Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明涉及一种电磁散射机理分解方法,涉及电磁散射领域,针对目标进行散射计算获取目标总散射场,对获得的总散射场时频分析,观测目标散射场中不同散射机理的分布,利用多分辨技术对散射机理实现分解与识别,而后对散射机理、散射特征进行重组和重构。本发明提供的散射机理分解技术,对特殊电磁环境或散射源进行散射机理分解与识别,可以判断电磁环境的形成机理,明确散射源的不同成分,为电磁环境或散射源的重构或修改提供依据,复杂目标耦合效应所形成的拖影干扰和虚假散射中心,都可以通过本发明予以识别去除,用于基于雷达像的目标识别中,可以显著提高识别精度。

Description

一种电磁散射机理分解方法
技术领域
本发明涉及一种电磁散射机理分解方法,属于电磁散射领域。
背景技术
当电磁波照射到复杂目标时,目标光滑表面将产生镜面散射贡献,尖顶、边缘等不连续结构将产生绕射贡献,凹形结构将存在电磁耦合效应或多次散射贡献,除此之外,还有表面波、爬行波等不同机理的散射贡献。虽然高频散射算法能够区分几类常见的散射机理,比如采用物理光学法(PO)可以得到镜面散射贡献,采用绕射理论(GTD或PTD)或者等效电磁流(MEC)可以得到边缘散射贡献,采用弹跳射线法(SBR)可以得到多次散射贡献,但是,很多情况下得到的散射场都是总场形式,其中叠加了各类散射贡献,不能直接区分各个散射类型,比如实验测试得到的散射场、低频算法得到的散射场。对于这类情况,更有必要研究不同散射机理的分解与识别,以便更清晰地认识不同机理的作用规律,并根据物理规律对散射机理做进一步的调控。因此,散射机理分解对于散射机理认知具有非常重要的理论意义,在散射机理调控方面,将具有广阔的应用前景。
发明内容
要解决的技术问题
现有技术只能获得目标总散射场,或者只包含单一散射机理的散射场,未能实现将复杂散射场中各种散射机理分解,为了克服现有技术的不足,本发明将以复杂目标电磁散射中的耦合机理作为重点研究对象,研究了不同散射机理的分解、识别和提取这一重要课题,以发展新型散射机理分解算法,解决电磁散射机理的细分、识别、提取与重组问题,为复杂目标电磁散射理论模型的完善以及散射特征重构和基于雷达像的目标识别提供了新方法。
技术方案
一种电磁散射机理分解方法,其特征在于步骤如下:
步骤1:针对目标进行散射计算获取目标总散射场;
步骤2:将步骤1中计算得到的总散射场回波,利用短时傅里叶变换对目标散射场回波进行时频分析得到目标总散射场时频分析结果图;从目标散射场时频分析结果中能观测到各散射机理对应的回波,由其中的早响应对应于目标的镜面散射机理,形成物理散射中心,晚响应则对应于多次散射及其他散射机理;在时频图上,物理散射中心常常表现为垂直于时间轴的线条,而耦合机理则表现为垂直于频率轴的线条;
步骤3:对步骤1计算得到的总散射场回波进行小波变换以获得多分辨,在高分辨散射场和低分辨散射场的时频分析结果中,可以各自得到不同散射机理回波,通过选择适当的分辨单元,使得在步骤2中观测到总散射场中各散射机理的回波被区分开来,即可实现不同机理散射回波的分解与识别;所述的频域高分辨对应于时域晚回波响应,所述的频域低分辨则对应于时域早回波响应,由于对于不同的目标或者不同的散射计算频段,高分辨和低分辨有着不同的值,高、低分辨选定原则是通过对高、低分辨散射场时频分析结果的观测;
步骤4:对散射机理进行重组和重构:对步骤3分解出的各个不同的散射机理进行重组和重构,散射机理重组是指对分解得到的多种散射机理的重新组合,这种组合通常是各散射机理回波的叠加;散射特征重构就是根据重组后的散射机理,重新得到目标二维雷达像。
所述的步骤1中的计算方法为MOM矩量法或SBR弹跳射线算法。
有益效果
本发明提出的一种电磁散射机理分解方法,有益效果如下:
(1)对散射机理的认知和对散射特征的调控
人们获取目标散射特征,其总场特征往往更容易获取。复杂目标总散射特征中常常包含多种散射机理,采用本发明对其进行分解和识别,能够弄清楚各种机理的作用,也才能遵照物理规律,更有针对性地采取散射特征调控措施,避免盲目调控。比如,在隐身技术中有针对性地对某种散射机理采取隐身措施,降低特定机理的散射贡献。
(2)对特殊电磁环境或散射源的诊断
按照本发明,对特殊电磁环境或散射源进行散射机理分解与识别,可以判断电磁环境的形成机理,明确散射源的不同成分,为电磁环境或散射源的重构或修改提供依据。
(3)对复杂目标的抗干扰识别和对伪装目标的抗伪装识别
复杂目标耦合效应所形成的拖影干扰和虚假散射中心,都可以通过本发明予以识别去除,用于基于雷达像的目标识别中,可以显著提高识别精度。而一些伪装目标,则是利用特殊的散射机理来改变散射特征,通过分解、识别和去除这种机理,也可提高对这类目标的认识水平。比如,参展的新型武器平台为了不暴露真实的隐身性能,往往会挂载回波增强装置,这种装置一般采用多次散射机理来增强散射特征,通过分解和识别这种机理,即可重构其真实散射特征,实现抗伪装目标识别。
(4)对多目标电磁散射特征的分析
多目标在现代战争中越来越常见,各种作战机群、无人机群等都属于多目标,其散射特征所包含的机理更加复杂,除过各个目标本身的散射贡献外,当机群密度较大时,还将存在明显的耦合作用。对多目标电磁特征进行散射机理分解,可以为多目标中高威胁目标的识别提供依据。
附图说明
图1是本发明一种电磁散射机理分解技术的总体研究方案结构图;
图2目标散射场时频分析原理图;
图3介质涂覆导体棒不同散射机理及其时频分析结果图;
图4不同散射机理时频分析结果示意图;
图5小波变换示意图;
图6小波变换原理图;
图7散射机理重组及散射特征重构结果;
图8目标总散射场时频分析结果图
图9低分辨散射场时频分析结果图
图10高分辨散射场时频分析结果图
具体实施方式
现结合实施例、附图对本发明作进一步描述:
本发明的目的是为了实现复合散射特征中各类不同散射机理的分解,构建系统的散射机理分解理论方法,形成对电磁散射机理认知的新方法、新技术;再通过建立应用模型,实现散射机理分解、提取、重组和散射特征重构,系统验证散射机理分解方法,本发明一种电磁散射机理分解技术的总体研究方案结构图如图1所示。
步骤1:针对复杂目标进行散射计算,尤其是结构复杂的目标或者由多个简单目标构成的复杂团体,例如军用战机,多个无人机组成的飞行队等目标;常用的电磁散射计算方法主要有MOM矩量法、SBR弹跳射线算法,这两种算法能较为全面地获得目标的总散射场回波(包含了多种散射机理回波)。
当电磁波照射到复杂目标时,目标光滑表面将产生镜面散射贡献,尖顶、边缘等不连续结构将产生绕射贡献,凹形结构将存在电磁耦合效应或多次散射贡献,除此之外,还有表面波、爬行波等不同机理的散射贡献。获得的总场形式散射场叠加了各类散射贡献,不能直接区分各个散射类型。对于这类情况,更有必要研究不同散射机理的分解与识别,以便更清晰地认识不同机理的作用规律,并根据物理规律对散射机理做进一步的调控。
步骤2:将步骤1中计算得到的总散射场回波,利用短时傅里叶变换对目标散射场回波进行时频分析,短时傅里叶变换的基本思想是,在传统傅里叶变换的框架中,把非平稳信号看成是一系列短时平稳信号的叠加,而短时性则是通过时域上的加窗来实现,并通过平移参数来覆盖整个时域。
对于给定的非平稳信号S(t),信号S(t)的短时傅里叶变换定义为
Figure BDA0001877634380000051
其中,h(t)称为窗函数。
从定义式(1)可以看出,在短时傅里叶变换中,首先利用平移参数t,通过窗函数h(t)对信号S(t)进行了分段,即
St(τ)=S(τ)h(τ-t) (2)
获得原信号在t时刻附近τ时段的信号,然后对该段信号St(τ)进行傅里叶变换。
随着平移参数t的改变,h(t)所确定的“时间窗”在时间轴上移动,使得信号S(t)“逐步”进入被分析的状态。由于分段信号St(τ)突出了原信号S(t)在t时刻附近一个时段的频率分布,所以分段信号St(τ)的傅里叶变换反映了原信号在该时段的频率分布。
目标电磁散射场是一系列的离散信号,对于离散时间信号S(n)和窗函数h(n),离散时间信号短时傅里叶变换定义为
Figure BDA0001877634380000052
目标离散散射场回波的时频分析过程如图2所示,目标散射场回波在时间上进行加窗处理,并逐步的平移窗函数使得其覆盖至整个时域信号,将加窗后的分段信号做傅里叶变换,同时在时间轴上将分段信号的频域结果进行排列,可以得到目标时域散射场的时频分析结果。
目标散射场时频分析结果中能清楚的观测到各散射机理对应的回波,并能进行具体的区分。由于不同散射机理的发生存在时序差别,电磁散射机理能够实现分解和识别。其中的早响应对应于目标的镜面散射机理,形成物理散射中心,晚响应则对应于多次散射及其他散射机理。
如图3为利用步骤2中时频分析算法,分析得到的导体棒总散射场雷达散射回波时频结果图,当不同频率的电磁波照射一个倾斜的介质涂覆的导体棒时,最先将在左端形成包含所有频率成分的散射回波(图中标号1),然后在右端形成类似的散射回波(图中标号2),这两处由于边缘不连续产生的散射都将形成较强的散射中心。然后才是沿导体棒表面反复行进的行波遇到不连续端点的散射贡献(图中标号3和4),最终形成各种散射机理连续叠加后的总回波。研究表明,其中的早响应对应于目标的镜面散射机理,形成物理散射中心,晚响应则对应于多次散射及其他散射机理。正是存在这样的物理机理,对一定频带内的一系列总回波进行时频分析,可以清楚地区分几个明显的散射机理,并进行识别和提取。
本发明研究镜面散射机理和多次散射耦合效应机理,还基于耦合效应散射机理与镜面散射机理的另一个显著不同。当不同频率的电磁波照射散射体时,对回波进行时频分析发现,镜面散射贡献将形成明显的物理散射中心,该散射中心将包含所有入射波频率,但仅出现在某一个固定时间点,而耦合散射机理往往形成谐振效果,只会包含特定的频率,但会延续较长的作用时间。所以,在时频图上,物理散射中心常常表现为垂直于时间轴的线条,而耦合机理则表现为垂直于频率轴的线条,分别如图4(a)、(b)所示。这也是耦合散射机理在雷达像上形成拖影干扰和虚假散射中心的原因。
步骤3:基于多分辨技术的散射机理分解与识别,电磁散射机理之所以能够实现分解和识别,是基于不同散射机理的发生存在时序差别这一物理本质。基于以上原理,对频域雷达回波采用多分辨时频分析能够实现其中不同散射机理的分解。小波变换是信号处理中广泛采用的方法,通过采用不同的窗口宽度,以实现不同的时频分辨,提供多分辨能力。本发明将对频域雷达回波进行小波变换以获得多分辨,这种频域多分辨则对应于不同的时域切片,如图5所示。步骤2中的时频分析方法只能大致得到总散射场中各散射机理回波时间,通过步骤3对目标总散射场回波进行多分辨分解,得到高分辨散射场和低分辨散射场;利用步骤2中的时频分析方法,对步骤3分解出的高分辨散射场和低分辨散射场,进行时频分析;对于不同的目标或者不同的散射计算频段,高分辨和低分辨有着不同的值,高、低分辨选定原则是通过对高分辨散射场和低分辨散射场时频分析结果的观测,适当调整小波变换的分解系数,直至时频分析结果图中出现清晰的散射机理回波分离现象;所以,在高分辨散射场和低分辨散射场的时频分析结果中,可以各自得到不同散射机理回波,通过选择适当的分辨单元,使得在步骤2中观测到总散射场中各散射机理的回波被区分开来,即可实现不同机理散射回波的分解与识别;
小波变换具有多分辨特性,也叫多尺度特性,可以由粗到精地逐步观察信号,也可以看成是用一组带通滤波器对信号作滤波。通过选择尺度因子和平移因子,可以得到一个伸缩窗,只要适当地选择基本小波,就可以使小波变换在时域和频域都具有表征信号局部特征的能力。
小波变换的定义为
Figure BDA0001877634380000071
其逆变换为
Figure BDA0001877634380000072
式中
Figure BDA0001877634380000073
其中:f(t)为时域信号,ψa,b(t)为基本小波函数,a、b分别为尺度因子和平移因子,ψ(ω)为傅里叶变换,Cψ为有限值。
对连续小波变换进行离散处理,首先考虑的是对尺度因子a和平移因子b进行离散化处理,最常用的离散方式是
Figure BDA0001877634380000081
这时式(4)中的连续小波函数ψa,b(t)即可写成离散小波函数
Figure BDA0001877634380000082
若基本小波函数ψ(t)仍然满足允许式(6),同时有较强的衰减性,连续小波变换式(4)就可以改写为离散小波变换形式
Figure BDA0001877634380000083
按照滤波方法分析小波变换及其多分辨,可知频域高分辨对应于时域晚回波响应(多次散射机理),而频域低分辨则对应于时域早回波响应(镜面散射机理),所以,通过选择适当的分辨单元,使得在步骤2中观测到各散射机理的回波被区分开来,即可实现不同机理散射回波的分解与识别,小波变换的原理图如图6所示。
步骤4:散射机理重组与散射特征重构及其评价,在分解出各个不同的散射机理后,可以研究单个机理的特征,也可对不同机理进行组合叠加。本发明侧重于去除耦合效应机理,保留镜面散射等机理,再由所保留的散射机理重构目标散射特征。本发明对散射特征的描述,更多地采用二维雷达像(ISAR像),以便于对物理散射中心的识别和对耦合效应引起的虚假散射中心的去除效果评价。
散射机理重组是指对分解得到的多种散射机理的重新组合,这种组合通常是各散射机理回波的叠加,当需要观测某种或者是多种散射所得到的雷达回波时,可以将其叠加起来,其过程较为简单,无需再做讨论。散射特征重构就是根据重组后的散射机理,重新得到目标二维雷达像,如图7所示。形成一套基于多分辨技术的散射机理分解理论方法,实现对镜面散射机理和多次散射机理的有效分解和识别。

Claims (2)

1.一种电磁散射机理分解方法,其特征在于步骤如下:
步骤1:针对目标进行散射计算获取目标总散射场;
步骤2:将步骤1中计算得到的总散射场回波,利用短时傅里叶变换对目标散射场回波进行时频分析得到目标总散射场时频分析结果图;从目标散射场时频分析结果中能观测到各散射机理对应的回波,由其中的早响应对应于目标的镜面散射机理,形成物理散射中心,晚响应则对应于多次散射及其他散射机理;在时频图上,物理散射中心常常表现为垂直于时间轴的线条,而耦合机理则表现为垂直于频率轴的线条;
所述的目标散射场回波进行时频分析:目标散射场回波在时间上进行加窗处理,并逐步的平移窗函数使得其覆盖至整个时域信号,将加窗后的分段信号做傅里叶变换,同时在时间轴上将分段信号的频域结果进行排列,得到目标时域散射场的时频分析结果;
步骤3:对步骤1计算得到的总散射场回波进行小波变换以获得多分辨,在高分辨散射场和低分辨散射场的时频分析结果中,可以各自得到不同散射机理回波,通过选择适当的分辨单元,使得在步骤2中观测到总散射场中各散射机理的回波被区分开来,即可实现不同机理散射回波的分解与识别;频域高分辨对应于时域晚回波响应,频域低分辨则对应于时域早回波响应,由于对于不同的目标或者不同的散射计算频段,高分辨和低分辨有着不同的值,高、低分辨选定原则是通过对高、低分辨散射场时频分析结果的观测;
所述的总散射场回波进行小波变换以获得多分辨:通过采用不同的窗口宽度,以实现不同的时频分辨;
步骤4:对散射机理进行重组和重构:对步骤3分解出的各个不同的散射机理进行重组和重构,散射机理重组是指对分解得到的多种散射机理的重新组合,这种组合通常是各散射机理回波的叠加;散射特征重构就是根据重组后的散射机理,重新得到目标二维雷达像。
2.根据权利要求1所述的一种电磁散射机理分解方法,其特征在于所述的步骤1中的计算方法为MOM矩量法或SBR弹跳射线算法。
CN201811407125.0A 2018-11-23 2018-11-23 一种电磁散射机理分解方法 Active CN109471084B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811407125.0A CN109471084B (zh) 2018-11-23 2018-11-23 一种电磁散射机理分解方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811407125.0A CN109471084B (zh) 2018-11-23 2018-11-23 一种电磁散射机理分解方法

Publications (2)

Publication Number Publication Date
CN109471084A CN109471084A (zh) 2019-03-15
CN109471084B true CN109471084B (zh) 2022-10-25

Family

ID=65673994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811407125.0A Active CN109471084B (zh) 2018-11-23 2018-11-23 一种电磁散射机理分解方法

Country Status (1)

Country Link
CN (1) CN109471084B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110223335A (zh) * 2019-06-06 2019-09-10 西北工业大学 一种基于视图划分的高精度greco方法
CN117147977A (zh) * 2023-07-31 2023-12-01 西安电子科技大学 无人机外场复合散射测量的测试质量估计方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125073A (zh) * 2016-06-12 2016-11-16 上海无线电设备研究所 基于自适应高斯表达的散射机理识别与提取方法
CN106324579A (zh) * 2016-10-31 2017-01-11 上海无线电设备研究所 一种目标强散射源rcs提取算法
CN106842163A (zh) * 2017-03-14 2017-06-13 西安电子科技大学 一种弹道目标回波信号时频特性估计方法
CN107271981A (zh) * 2017-07-31 2017-10-20 河海大学 一种目标电磁散射数据模型的建立方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106125073A (zh) * 2016-06-12 2016-11-16 上海无线电设备研究所 基于自适应高斯表达的散射机理识别与提取方法
CN106324579A (zh) * 2016-10-31 2017-01-11 上海无线电设备研究所 一种目标强散射源rcs提取算法
CN106842163A (zh) * 2017-03-14 2017-06-13 西安电子科技大学 一种弹道目标回波信号时频特性估计方法
CN107271981A (zh) * 2017-07-31 2017-10-20 河海大学 一种目标电磁散射数据模型的建立方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于三维电磁散射参数化模型的SAR目标识别方法;文贡坚等;《雷达学报》;20170430;第6卷(第2期);第115-135页 *

Also Published As

Publication number Publication date
CN109471084A (zh) 2019-03-15

Similar Documents

Publication Publication Date Title
CN111239697B (zh) 低秩矩阵分解的多维域联合sar宽带干扰抑制方法
Duk et al. Target detection in sea-clutter using stationary wavelet transforms
CN101482617A (zh) 基于非下采样轮廓波的合成孔径雷达图像去噪方法
CN109471084B (zh) 一种电磁散射机理分解方法
CN112162273B (zh) 一种基于奇异矢量的多旋翼无人机物理参数提取方法
CN112014806B (zh) 一种复杂干扰场景下的机载雷达无意干扰抑制方法
Fu et al. Parallel processing algorithm for multipath clutter cancellation in passive radar
CN103605121B (zh) 基于快速稀疏贝叶斯学习算法的宽带雷达数据融合方法
CN109061626B (zh) 一种步进频相参处理检测低信杂比动目标的方法
Farshchian et al. Application of a sparse time-frequency technique for targets with oscillatory fluctuations
Chen et al. Suppressive interference suppression for airborne SAR using BSS for singular value and eigenvalue decomposition based on information entropy
DE19649618A1 (de) Verfahren und Vorrichtung zur automatischen Klassifikation von Objekten
CN113221062B (zh) 一种小型无人机载BiSAR系统的高频运动误差补偿方法
Santoso et al. Performance of various speckle reduction filters on Synthetic Aperture Radar image
DE10311880B3 (de) Radarverfahren zur Klassifikation oder Identifikation von Helicoptern
CN101930605B (zh) 基于二维混合变换的sar图像目标提取方法及系统
CN104637481B (zh) 基于lmd及能量投影法的车型音频特征提取方法
CN115951315A (zh) 基于改进小波包能量谱的雷达欺骗干扰识别方法及系统
CN101639530B (zh) 一种基于二维混合变换的sar回波信号去噪预处理方法
DE102018221285A1 (de) Verfahren zur Interferenzunterdrückung und Verfahren zur Signalwiederherstellung
CN103885044A (zh) 一种基于clean算法的窄带雷达回波杂噪抑制方法
Duk et al. The potential of 2D wavelet transforms for target detection in sea-clutter
Rosenberg et al. Sparse signal separation methods for target detection in sea-clutter
Prünte Compressed sensing for removing moving target artifacts and reducing noise in SAR images
Selver et al. Savitzky-golay filtering for scattered signal de-noising

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