CN109633629A - 太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法 - Google Patents

Abstract

本发明是提供一种太赫兹频段的单旋翼无人机目标特性微多普勒特征提取方法。雷达接收到的含有噪声的旋翼无人机回波信号，微多普勒特征淹没在杂波中。本发明的技术方案是提取时域回波的闪烁时刻信号及其对应时刻的时频域闪烁特征，计算得到旋翼的旋转速度；通过回波信号的时频图和时域闪烁信号的时频图的相近值合并，得到去掉杂波的回波信号的时频图的闪烁特征，恢复微多普勒特征。本发明从含有背景噪声的回波中提取微多普勒特征，为旋翼无人机的探测、成像和识别提供了重要方法。

Description

太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法

技术领域

本发明涉及雷达信号的时频分析和雷达微多普勒特征分析技术，具体涉及微小型旋翼无人机叶片的微多普勒特征提取方法。

背景技术

雷达发射电磁波信号到达目标并接收目标的回波信号，如果目标是运动的，接收信号的频率将偏离发射信号的频率，称为多普勒效应。如果目标除了目标主体运动外，目标或目标部件还有微运动，那么这种微运动将在回波信号上引起附近的频率调制，并在目标主体运动产生的发射信号多普勒偏移频率附近产生边频。这种附加的频率调制称为微多普勒效应，多普勒频率附近的边频称为微多普勒频率。微多普勒特征是微小型旋翼无人机目标特性的重要特性。

文献“直升机旋翼叶片回波建模与特性分析，空军预警学院学报，2015，29(5)：322-327”和文献“旋翼叶片回波建模与闪烁现象机理分析，物理学报，2016，65(13)：138401”建立了直升机旋翼叶片的回波模型，并分析了回波的时域闪烁和时频域闪烁的机理，时域闪烁时刻与时频域的闪烁时刻是一一对应的，闪烁的原因是叶片与雷达波束垂直，此时有镜面反射的存在，导致雷达回波较强。如果叶片是偶数个，那么旋翼在旋转时必然有两个叶片垂直雷达波束，其中一个叶片靠近雷达，另一个叶片远离雷达，就会产生大小相等的相位相反的微多普勒频率，在时频图上直观体现为闪烁关于0频对称。叶片的数目、叶片的长度、旋转频率以及雷达发射的电磁波频率都影响微多普勒特征。

专利申请CN107167801A公开了一种基于旋翼微多普勒特征的多旋翼无人机识别方法，其技术方案是根据接收到的雷达回波信号，提取旋翼的微多普勒特征，获得目标多旋翼无人机的旋翼数量、旋翼的旋转速度和叶片长度等参数，实现多旋翼无人机的识别。统计时域回波的闪烁次数，根据旋翼的叶片数计算得到旋翼数量，并根据闪烁周期计算得到旋翼的旋转速度，根据最大微多普勒频率计算得到叶片长度。此技术方案中旋翼的叶片数目是已知的，只能识别特定类型的旋翼无人机；另外雷达回波中通常含有环境噪声，会淹没微多普勒特征，很难估算微多普勒的最大频率。

专利申请CN105678781A公开了一种基于边缘检测的目标微多普勒特征分离方法，其核心思想是将信号处理转移到图像处理领域，具体方法为对回波信号进行伪Winger-Ville处理，得到回波信号的时频分布矩阵；时频矩阵对应时频图，将时频图进行对比度增强和边缘锐化处理，对处理后的时频图进行边缘检测，并基于边缘斜率惯性原则对两个分量对应的目标微多普勒特征进行分离和边界提取，由此计算目标微多普勒特征参数。其技术方案要求环境噪声只能稍微污染微多普勒特征，而不能淹没微多普勒特征，这在实际中是不存在的，即使经过滤波处理，也不能滤除低频信号，因为微多普勒特征是从0频到最大微多普勒频率之间的所有频率。

本发明将突破微小型旋翼无人机很小的雷达散射截面(RCS)无法被雷达根据RCS特性探测、常规频率雷达不能探测到微小型旋翼无人机的微多普勒特性以及微多普勒特性淹没在环境噪声中的局限性，在太赫兹频段分析提取单旋翼无人机叶片的微多普勒特征，为旋翼无人机的探测、成像和识别提供了新的思路和方法。

发明内容

为克服现有探测微小型旋翼无人机方法的不足，本发明提出一种太赫兹频段的单旋翼无人机目标特性微多普勒特征提取方法，克服了微小型旋翼无人机微多普勒频率低、微多普勒特征淹没在环境噪声中导致无法探测的问题。本发明方法发射的电磁波频率在太赫兹频段，能够探测到旋翼无人机叶片产生的微多普勒特征；另外本发明方法根据时域回波和回波的时频特点，去除了时频图中的噪声，更有利于提取最大微多普勒频率。

本发明的基本思路是：根据时域回波及时频图特点，将旋翼转速、叶片数量、叶片长度与闪烁次数、微多普勒最大频率联系起来，求解出旋翼速度、叶片数量和叶片长度，实现微多普勒特征提取。

本发明的具体步骤如下：

S1、记录雷达回波中设定时间内的回波数据；

S2、查找回波数据中幅度的最大值；

S3、根据接收到的雷达回波信号获取旋翼无人机的旋转速度；

S4、根据原始回波信号和S3中的时域闪烁信号获取原始回波的没有噪声的时频域闪烁；

S5、求解出旋翼无人机的旋翼旋转频率、叶片数量和叶片长度，提取微多普勒特征。

优选地，所述步骤S1采用发射电磁波的频率在110GHz～325GHz之间的雷达对单旋翼无人机进行探测，且所述任意时间是1秒；

设旋翼的叶片数为N，那么无人机的旋翼产生的雷达回波为：

A_k＝L exp[-j(4πR₀/λ+2πf₀t)

其中，R₀是旋转中心到雷达的距离；f₀是雷达发射电磁波的频率；N是叶片数目；s_G是噪声信号；

相位函数为：

φ_k=2Lπsinθcos(ωt+φ₀+2πk/N)/λ

其中，L为旋翼叶片的长度；φ₀为旋翼叶片的初始角度；ω表示旋翼的旋转频率；θ为雷达看向旋翼的俯仰角。

优选地，所述步骤S2具体设定一个无限小的值作为最大值的初始值后，逐一访问回波中的数据，如果其幅值大于最大值，则最大值更新为当前回波幅值，最后得到的回波幅度的最大值记为S_max。

优选地，所述步骤S3中，如果回波信号sinc函数等于1，表示叶片与雷达波束垂直，此时回波信号幅度将会出现时域闪烁；

把时域闪烁时刻以外的回波信号置0，形成时域闪烁信号；

对时域闪烁信号进行短时傅里叶变换，得到时频域闪烁，变换公式为：

STFT(t，f)＝∫s(t′)w(t′-t)exp(-j2πft′)dt′其中，w(t)是时间窗函数。

优选地，所述时间窗函数选择高斯函数。

优选地，所述步骤S4中，分别对原始回波信号和时域闪烁信号做短时傅里叶变换，得到对应的时频矩阵；

为了消除原始回波信号时频图中的噪声，设定一个阈值，分别比较所述的两个时频矩阵对应的数据，如果这两个数据相差小于阈值，那么原始回波的时频矩阵数据不作改变，如果这两个数据相差大于阈值，那么原始回波的时频矩阵数据置0；

并提取时频图中的最大微多普勒频率，记为f_{d max}；以及记录0频以上的闪烁次数，记为N_count。

优选地，所述步骤S5中，如果S4中得到的去掉噪声的时频图的闪烁关于0频对称，那么叶片长度L等于S_max/2；

如果所述闪烁不关于0频对称，那么叶片长度L等于S_max；

由于叶片数目乘以旋转频率等于闪烁次数N_count，

f_{d max}＝L*ω*sinθ/λ

其中，ω为转动角频率，θ为雷达看向旋翼的俯仰角。

本发明从含有背景噪声的回波中提取微多普勒特征，为旋翼无人机的探测、成像和识别提供了重要方法。

附图说明

图1为本发明的流程图；

图2为含有噪声的回波幅度图；

图3为含有噪声的回波时频图；

图4为回波时域闪烁信号幅度图；

图5为闪烁信号的时频图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施例对本发明做进一步详细的说明，但不以任何方式限制本发明的范围。

本明的步骤流程如附图1所示。

步骤一，假设雷达发射连续波信号s(t)＝exp(j2πf₀t)，频率f₀＝110GHz，雷达距离旋翼无人机的距离为2000m,叶片长度为0.2m，叶片初始角度为80度，旋翼旋转频率为3r/s，叶片数量为2，采样频率为4000Hz，采样0到1s的回波数据，带入到回波表达式，采样得到的回波为s(t),其幅值如附图2所示。

步骤二，查找回波信号s(t)的幅值最大值，设定一个无限小的值作为最大值的初始值，逐一访问回波中的数据，如果其幅值大于最大值，则最大值更新为当前回波幅值，那么最后得到的最大值就是回波幅度的最大值，s(t)中幅值的最大值S_max为0.42。

步骤三，对回波数据s(t)进行短时傅里叶变换，即将s(t)带入到短时傅里叶表达式

STFT(t，f)＝∫s(t′)w(t′-t)exp(-j2πft′)dt′

时间窗函数w(t)为Gaussian函数，其表达式中的σ取值为16，窗函数的宽度为800，得到时频矩阵X(t，f),对时频矩阵用Matlab中的imagesc函数进行图像化显示，如附图3所示。

步骤四，对回波信号s(t)及附图2表示的对应时域幅值图，设定一个阈值为0.3，将时域回波中的闪烁回波提取出来，记为

y＝[0，0，…y1，y2，0，…，yi，yj，…，0，…]

的形式，闪烁时刻的值为回波中s(t)对应时刻的值，非闪烁时刻的值置为0闪烁信号y的幅值如附图4所示；将闪烁信号y带入到步骤二中的短时傅里叶变换中，得到回波闪烁信号的时频矩阵Y(t，f)及其对应的时频图，如附图5所示，记录时频域闪烁次数C_count为6。

步骤五，设定一个阈值为8，将原始回波的时频矩阵X(t，f)与闪烁信号的时频矩阵Y(t，f)进行对比，如果两个时频矩阵中的对应数据的幅值的dB值差值在8，则将新的矩阵Yr(t，f)，与Y(t，f)具有相同的列数和行数，并将对应的位置设置为1，否则设置为-10000；对新矩阵Yr(t，f)作短时傅里叶变换，得到原始回波时频图去掉噪声的时频域闪烁，其闪烁幅值为最大微多普勒频率，记为f_dmax。

步骤六，根据回波最大幅度、闪烁信号的时频域的闪烁次数和最大微多普勒频率，计算旋翼转动速度、叶片数量和叶片长度，提取微多普勒特征，即根据计算公式

L_{d max}＝L*ω*sinθ/λ

N*f_rot＝C_count

得到L＝0.21、ω＝39，将角速率ω转化为转速，即

得到f_rot＝3，计算N＝2。

将第一个闪烁时刻0.009带入公式

φ_k＝2Lπsinθcos(ωt+φ₀+2πk/N)/λ

使φ₀＝0，其中k＝0,得到φ₀=80.28，与仿真设定的值均吻合。

尽管本发明的内容已经通过上述优选实例作了详细介绍，但应当认识到上述的描述不应被认为是本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求。

Claims (7)

1.一种太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，步骤包含：

S1、记录雷达回波中设定时间内的回波数据；

S2、查找回波数据中幅度的最大值；

S3、根据接收到的雷达回波信号获取旋翼无人机的旋转速度；

S4、根据原始回波信号和S3中的时域闪烁信号获取原始回波的没有噪声的时频域闪烁；

S5、求解出旋翼无人机的旋翼旋转频率、叶片数量和叶片长度，提取微多普勒特征。

2.如权利要求1所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述步骤S1采用发射电磁波的频率在110GHz～325GHz之间的雷达对单旋翼无人机进行探测，且所述任意时间是1秒；

设旋翼的叶片数为N，那么无人机的旋翼产生的雷达回波为：

A_k＝L exp[-j(4πR₀/λ+2πf₀t)]

其中，R₀是旋转中心到雷达的距离；f₀是雷达发射电磁波的频率；N是叶片数目；s_G是噪声信号；

相位函数为

φ_k＝2Lπsinθcos(ωt+φ₀+2πk/N)/λ

其中，L为旋翼叶片的长度；φ₀为旋翼叶片的初始角度；ω表示旋翼的旋转频率；θ为雷达看向旋翼的俯仰角。

3.如权利要求2所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述步骤S2具体设定一个无限小的值作为最大值的初始值后，逐一访问回波中的数据，如果其幅值大于最大值，则最大值更新为当前回波幅值，最后得到的回波幅度的最大值记为S_max。

4.如权利要求3所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述步骤S3中，如果回波信号sinc函数等于1，表示叶片与雷达波束垂直，此时回波信号幅度将会出现时域闪烁；

把时域闪烁时刻以外的回波信号置0，形成时域闪烁信号；

对时域闪烁信号进行短时傅里叶变换，得到时频域闪烁，变换公式为：

STFT(t，f)＝∫s(t′)w(t′-t)exp(-j2πft′)dt′

其中，w(t)是时间窗函数。

5.如权利要求4所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述时间窗函数选择高斯函数。

6.如权利要求5所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述步骤S4中，分别对原始回波信号和时域闪烁信号做短时傅里叶变换，得到对应的时频矩阵；

为了消除原始回波信号时频图中的噪声，设定一个阈值，分别比较所述的两个时频矩阵对应的数据，如果这两个数据相差小于阈值，那么原始回波的时频矩阵数据不作改变，如果这两个数据相差大于阈值，那么原始回波的时频矩阵数据置0；

并提取时频图中的最大微多普勒频率，记为f_{d max}；以及记录0频以上的闪烁次数，记为N_count。

7.如权利要求6所述的太赫兹频段单旋翼无人机目标特性微多普勒特征提取方法，其特征在于，所述步骤S5中，如果S4中得到的去掉噪声的时频图的闪烁关于0频对称，那么叶片长度L等于S_max/2；

如果所述闪烁不关于0频对称，那么叶片长度L等于S_max；

由于叶片数目乘以旋转频率等于闪烁次数N_count，

f_{d max}＝L*ω*sinθ/λ

其中，ω为转动角频率，θ为雷达看向旋翼的俯仰角。