CN111443334A - 基于ieemd的目标微动参数估计方法、系统、装置及存储介质 - Google Patents
基于ieemd的目标微动参数估计方法、系统、装置及存储介质 Download PDFInfo
- Publication number
- CN111443334A CN111443334A CN202010186729.8A CN202010186729A CN111443334A CN 111443334 A CN111443334 A CN 111443334A CN 202010186729 A CN202010186729 A CN 202010186729A CN 111443334 A CN111443334 A CN 111443334A
- Authority
- CN
- China
- Prior art keywords
- obtaining
- phase information
- target
- ieemd
- parameter estimation
- 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.)
- Granted
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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
-
- 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
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/10—Systems for measuring distance only using transmission of interrupted, pulse modulated waves
-
- 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
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details 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
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于IEEMD的目标微动参数估计方法、系统、装置及存储介质,方法包括:获取回波信号,根据所述回波信号得到目标的高分辨率距离像;根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;根据所述微距曲线得到目标微动参数估计值。本发明通过IEEMD算法能在低信噪比或低脉冲重复频率的条件下精确提取包络信息,并通过最小二乘法有效地解多普勒模糊,提高了目标微动参数估计的精度。本发明可广泛应用于雷达技术领域。
Description
技术领域
本发明涉及雷达技术领域,尤其是一种基于IEEMD的目标微动参数估计方法、系统、装置及存储介质。
背景技术
基于互补自适应噪声的集合经验模式分解算法(Improved Ensemble EmpiricalMode Decomposition,以下简称IEEMD)是一种用于非平稳、非线性信号分析的新方法。该方法既吸取了小波变换的多变分析优势,又避免了小波变换中需要选取小波基的困难,且具有良好的局部适应性。
微多普勒现象能反映出目标动态特性,其在高精度的目标参数估计中具有巨大的应用价值,为目标检测、目标分类与识别提供了重要依据。以相位导出测距为代表的宽带雷达高精度测距方法在微动特征提取方面能使估计精度达到信号子波长级,在导弹防御系统中发挥着重要的作用。随着雷达发射信号带宽的增大,雷达的工作载频随之提高,宽带雷达回波的相位距离估计精度也随之提高,然而,微动所产生的的微多普勒频率与雷达发射信号的载频成正比,因此雷达工作载频较高时会产生严重的微多普勒模糊现象。此外,与窄带雷达相比,宽带雷达系统中目标能量在回波信号中产生扩散,目标在雷达径向距离维上扩展,即目标占据多个距离分辨单元。如何在噪声背景下提高目标参数估计是宽带高分辨雷达距离扩展目标的难点之一。
传统的基于包络测距的方法获取的包络信息,在信噪比较低或脉冲重复频率较低的情况下,精度并不高,从而导致得到的目标微动参数估计值精度较低。
发明内容
为解决上述技术问题,本发明的目的在于:提供一种基于IEEMD的目标微动参数估计方法、系统、装置及存储介质,以在低信噪比的情况下,精确提取包络信息,从而能够精确地获取目标微动参数估计值。
本发明一方面所采取的技术方案是:
一种基于IEEMD的目标微动参数估计方法,包括以下步骤:
获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;
根据所述微距曲线得到目标微动参数估计值。
进一步,所述获取回波信号,根据所述回波信号得到目标的高分辨率距离像这一步骤,其具体为:
获取回波信号,对所述回波信号进行脉冲压缩处理,根据脉冲压缩处理后的回波信号得到目标的高分辨率距离像。
进一步,所述根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息这一步骤,其包括:
获取每一帧脉冲的最大幅值;
根据所述最大幅值,添加正负噪声对进行EMD分解,筛除第一阶固有模态分量;
根据预设的筛除终止条件,继续添加若干个正负自适应噪声IMF分量对进行若干次EMD分解,筛除若干固有模态分量,得到每一散射中心的包络信息;
根据所述包络信息和回波信号得到对应的相位信息。
进一步,所述利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线这一步骤,其包括:
根据所述相位信息,利用最小二乘法建立解缠后相位信息的泊松方程;
对所述泊松方程进行傅里叶变换得到解缠后相位信息;
根据所述解缠后相位信息,利用相位测距原理得到目标的微距曲线。
进一步,所述目标微动参数估计值包括进动频率估计值、进动角估计值、半锥角估计值、母线长度估计值、锥体高度估计值和底面半径估计值。
进一步,所述进动频率估计值和进动角估计值的得到过程为:
对所述微距曲线进行傅里叶变换,获取其频域信息;
根据所述频域信息得到进动频率估计值;
根据所述进动频率估计值得到进动角估计值。
进一步,所述半锥角估计值、母线长度估计值、锥体高度估计值和底面半径估计值的得到过程为:
获取各时间观测到的两散射中心在所述微距曲线中的距离差;
计算两散射中心的距离在宽带雷达视线上的投影向量;
根据所述距离差和所述投影向量得到半锥角估计值;
根据所述半锥角估计值得到母线长度估计值、锥体高度估计值和底面半径估计值。
本发明一方面所采取的技术方案是:
一种基于IEEMD的目标微动参数估计系统,其特征在于,包括:
高分辨率距离像模块,用于获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
脉冲获取模块,用于根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
相位信息模块,用于根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
微距曲线生成模块,用于利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;
参数估计模块,用于根据所述微距曲线得到目标微动参数估计值。
本发明另一方面所采取的技术方案是:
一种基于IEEMD的目标微动参数估计装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现所述基于IEEMD的目标微动参数估计方法。
本发明另一方面所采取的技术方案是:一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行所述基于IEEMD的目标微动参数估计方法。
本发明的有益效果是:本发明一种基于IEEMD的目标微动参数估计方法、系统、装置及存储介质,通过IEEMD算法获取每一散射中心的包络信息,能在低信噪比或低脉冲重复频率的条件下精确提取包络信息,从而提高目标微动参数估计的精度;通过最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线,能有效地解多普勒模糊,进一步提高了目标微动参数估计的精度。
附图说明
图1为本发明实施例提供的基于IEEMD的目标微动参数估计方法流程示意图;
图2为本发明实施例提供的基于IEEMD的目标微动参数估计系统结构框图;
图3为本发明实施例提供的基于IEEMD的目标微动参数估计装置结构框图;
图4为本发明实施例提供的目标回波高分辨率距离像示意图;
图5为本发明实施例提供的待分解的目标回波距离像包络示意图;
图6为本发明实施例提供的IEEMD算法分解过程示意图;
图7为本发明实施例提供的解缠后相位信息示意图;
图8为本发明实施例提供的仿真实验微距曲线估计值与真实值的对比图:
图9为本发明实施例提供的仿真实验锥体高度估计误差随信噪比变化的示意图;
图10为本发明实施例提供的仿真实验底面半径估计误差随信噪比变化的示意图。
附图标记:
201、高分辨率距离像模块;202、脉冲获取模块;203、相位信息模块;204、微距曲线生成模块;205、参数估计模块;301、处理器;302、存储器;401、微距曲线估计值;402、微距曲线真实值。
具体实施方式
下面结合附图和具体实施例对本发明做进一步的详细说明。对于以下实施例中的步骤编号,其仅为了便于阐述说明而设置,对步骤之间的顺序不做任何限定,实施例中的各步骤的执行顺序均可根据本领域技术人员的理解来进行适应性调整。
参照图1,本发明提供了一种基于IEEMD的目标微动参数估计方法,包括以下步骤:
S101、获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
具体地,获取回波信号,对所述回波信号进行脉冲压缩处理,根据脉冲压缩处理后的回波信号得到目标的高分辨率距离像。
其中,Ar,i表示第i个散射中心散射系数,ri(tm)表示第i个散射中心的微距离,λ=c/fc表示信号的载波波长,c表示光速,N表示目标等效散射中心个数,p1,p2,p3表示运动目标等效散射点,nr(tm)表示回波信号噪声。
若以单频脉冲发射,脉冲越窄,信号频带越宽。但发射很窄的脉冲,要有很高的峰值功率,实际困难较大,故本发明实施例采用大时宽的宽频带信号,接收后通过脉冲压缩处理得到窄脉冲。
其中,B表示信号带宽,As,i表示脉冲压缩后的信号幅度,Av,i表示包含sinc函数后的信号幅度,no(tm)表示脉冲压缩后的噪声。
S102、根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
S103、根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
具体地,获取每一帧脉冲的最大幅值;根据所述最大幅值,添加正负噪声对进行EMD分解,筛除第一阶固有模态分量;根据预设的筛除终止条件,继续添加若干个正负自适应噪声IMF分量对进行若干次EMD分解,筛除若干固有模态分量,得到每一散射中心的包络信息;根据所述包络信息和回波信号得到对应的相位信息。
本发明实施例中,引入IEEMD算法自适应地精确提取微距曲线的包络。IEEMD算法在处理非线性、非平稳信号具有很大的优势,该算法克服了传统的经验模式分解严重依赖信号中的极值点的缺陷,具体流程如下:
根据幅值最大原则,求取观测时间内每一脉冲的最大幅值,记为s(m);
添加正负白噪声对s(m)+(-1)qa0ni(t),并进行一次EMD分解,筛选出第一阶模态分量后,立即停止EMD分解:
s(m)+(-1)qa0ni(m)=imf1 i(m)+l1 i(m),其中,q=1,2,i=1,2,...,M/2,M/2表示添加正负噪声的对数;
以此类推,添加正负噪声IMF分量对lk(m)+(-1)qakEk(ni(m))求得k+1固有模态分量为:
循环进行上述类推步骤,直到提取出所有的模态分量为止,根据剩余分量即可获取包络信息,其中IMF分量筛选终止条件为:
上式中Ci(k-1)(m)和Cik(m)表示筛选第i阶IMF分量过程中剔除局部均值后的前后两次剩余分量,SD的值通常为0.2-0.3,本发明实施例中SD的值取0.2。
如图5所示即为本发明实施例待分解的目标回波距离像包络示意图,如图6所示即为本发明实施例IEEMD算法分解过程示意图。上述的IEEMD算法,可以根据信号本身的特点,自适应地选择分辨率将信号分解,能在低信噪比或低脉冲重复频率的条件下精确提取包络信息,从而提高目标微动参数估计的精度。
具体地,根据所述相位信息,利用最小二乘法建立解缠后相位信息的泊松方程;对所述泊松方程进行傅里叶变换得到解缠后相位信息;根据所述解缠后相位信息,利用相位测距原理得到目标的微距曲线。
在实际的雷达系统中,从宽带线性调频回波信号中提取包络曲线所对应的相位信息,是真实相位取模2kπ后的模糊相位,其中k为正整数。因此需要进行相位解缠,以得到真实的相位信息。本发明实施例中,利用最小二乘法进行相位解缠,具体流程如下:
当p=2时,基于最小Lp范数的相位解缠问题就转化为求解牛曼边界的泊松方程:
对上式做二维傅里叶变换,得:
如图7所示即为本发明实施例解缠后相位信息示意图。
S105、根据所述微距曲线得到目标微动参数估计值;
具体地,所述目标微动参数估计值包括进动频率估计值、进动角估计值、半锥角估计值、母线长度估计值、锥体高度估计值和底面半径估计值。
本发明实施例中,根据所述微距曲线R,对其进行傅里叶变换,获取其频域信息:Fz=10lgFFT-1|FFT(R(t))|。由于频谱中的高频分量只由正弦函数叠加产生,不受其他分量影响,故选取高频分量频点位置信息即可得进动频率;
其主要峰值频点频率可以表示为:f=<{F|F>3dB}>,其中,F为估计所得瞬时微距曲线频谱,<·>表示取出峰值高度符合运算符内条件的峰值点对应位置频率,本发明实施例取出微距曲线频谱中峰值大于3dB的频点频率作为f的值;
由于瞬时微距曲线幅度项中耦合了目标物理参数信息,在微动参数估计时会增加估计难度。本发明实施例在估计前,对所得瞬时微距曲线做归一化处理,排除幅度因子的影响,瞬时微距曲线频谱幅度仅受到进动角的影响,将估计获取进动频率值作为已知信息来估计进动角。由上述内容可知,频谱中高频分量受到的误差干扰最少,故选取高频频点,以进动角以及摆动最大角度为参数,将参数估计问题转化为优化问题,对下式二维搜索,即可得到进动角估计值
所述半锥角估计值母线长度估计值锥体高度估计值和底面半径估计值的得到过程为:获取各时间观测到的两散射中心在所述微距曲线中的距离差;计算两散射中心的距离在宽带雷达视线上的投影向量;根据所述距离差和所述投影向量得到半锥角估计值;根据所述半锥角估计值得到母线长度估计值、锥体高度估计值和底面半径估计值。
本发明实施例中,将锥顶与锥底之间的距离ξ记为:ξ=R1-R3=H cosγ(t)-r sinγ(t),其中,H表示锥体高度,r表示底面半径;
经推导可以得到:
以上是对本发明的方法步骤进行了说明,本方法避免了子孔径变标包络校正处理,可以根据信号本身的特点,自适应地选择分辨率将信号分解,使得低数据率条件下的微距曲线能精确提取,兼具运算效率高优势。下面结合仿真实验对本发明的效果做进一步说明。
本实验锥体目标仿真参数如下:
表1锥体目标参数
本实验宽带雷达发射信号为线性调频信号,参数如下:
表2雷达系统的主要参数
载频f<sub>c</sub> | 10GHz |
带宽B | 2GHZ |
脉冲宽度t<sub>p</sub> | 100μs |
脉冲重复周期prf | 1000Hz |
驻留时间T | 1s |
首先根据以上参数设置,经过上述步骤,得到目标的高分辨率一维距离像,由其中完整的曲线数量,确定散射中心的数量,并分别获取每一散射中心的脉冲;然后通过IEEMD算法得到每一散射中心的包络信息,并得到与所述包络信息对应的相位信息;再利用最小二乘法进行相位解缠得到解缠后相位信息,并根据相位测距原理得到微距曲线;最后根据所述微距曲线得到目标微动参数估计值。
表3为在30dB信噪比情况下,本发明的目标微动参数估计值与传统的仅距离像包络得到的目标微动参数估计值的对比:
表3信噪比30db情况下目标微动参数估计值对比
若以下式定义估计误差:
表4信噪比30db情况下目标微动参数估计误差对比
参照图8,结合表3和4可知,相对于传统的仅距离像包络参数估计的方法,本发明获得的目标微动参数估计值与真实值更为相近,能够更精确的估计出锥体目标的各项参数。
为充分验证该方法的抗噪性能,在其他条件不变的情况下,改变信噪比,目标锥体高度和底面半径的估计误差如图9和10所示,在信噪比高于7db的条件下,本发明参数估计误差未出现太大波动,说明本方法具有一定抗噪性。
参照图2,本发明还提供了一种基于IEEMD的目标微动参数估计系统,包括:
高分辨率距离像模块201,用于获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
脉冲获取模块202,用于根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
相位信息模块203,用于根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
微距曲线生成模块204,用于利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;
参数估计模块205,用于根据所述微距曲线得到目标微动参数估计值。
上述方法实施例中的内容均适用于本系统实施例中,本系统实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
参照图3,本发明还提供了一种基于IEEMD的目标微动参数估计装置,包括:
至少一个处理器301;
至少一个存储器302,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器301执行,使得所述至少一个处理器301实现所述基于IEEMD的目标微动参数估计方法。
上述方法实施例中的内容均适用于本装置实施例中,本装置实施例所具体实现的功能与上述方法实施例相同,并且达到的有益效果与上述方法实施例所达到的有益效果也相同。
此外,本发明实施例还提供了一种存储介质,其中存储有处理器可执行的指令,所述处理器可执行的指令在由处理器执行时用于执行所述基于IEEMD的目标微动参数估计方法。
本发明一种基于IEEMD的目标微动参数估计方法、系统、装置及存储介质,通过IEEMD算法获取每一散射中心的包络信息,能在低信噪比或低脉冲重复频率的条件下精确提取包络信息,从而提高目标微动参数估计的精度;通过最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线,能有效地解多普勒模糊,进一步提高了目标微动参数估计的精度;通过仿真实验可知,本发明能在较低的信噪比条件下达到较高的测距精度,具有较好的抗噪性。
以上是对本发明的较佳实施进行了具体说明,但本发明并不限于所述实施例,熟悉本领域的技术人员在不违背本发明精神的前提下还可做作出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种基于IEEMD的目标微动参数估计方法,其特征在于,包括以下步骤:
获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;
根据所述微距曲线得到目标微动参数估计值。
2.根据权利要求1所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述获取回波信号,根据所述回波信号得到目标的高分辨率距离像这一步骤,其具体为:
获取回波信号,对所述回波信号进行脉冲压缩处理,根据脉冲压缩处理后的回波信号得到目标的高分辨率距离像。
3.根据权利要求1所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息这一步骤,其包括:
获取每一帧脉冲的最大幅值;
根据所述最大幅值,添加正负噪声对进行EMD分解,筛除第一阶固有模态分量;
根据预设的筛除终止条件,继续添加若干个正负自适应噪声IMF分量对进行若干次EMD分解,筛除若干固有模态分量,得到每一散射中心的包络信息;
根据所述包络信息和回波信号得到对应的相位信息。
4.根据权利要求1所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线这一步骤,其包括:
根据所述相位信息,利用最小二乘法建立解缠后相位信息的泊松方程;
对所述泊松方程进行傅里叶变换得到解缠后相位信息;
根据所述解缠后相位信息,利用相位测距原理得到目标的微距曲线。
5.根据权利要求1所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述目标微动参数估计值包括进动频率估计值、进动角估计值、半锥角估计值、母线长度估计值、锥体高度估计值和底面半径估计值。
6.根据权利要求5所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述进动频率估计值和进动角估计值的得到过程为:
对所述微距曲线进行傅里叶变换,获取其频域信息;
根据所述频域信息得到进动频率估计值;
根据所述进动频率估计值得到进动角估计值。
7.根据权利要求5所述的一种基于IEEMD的目标微动参数估计方法,其特征在于,所述半锥角估计值、母线长度估计值、锥体高度估计值和底面半径估计值的得到过程为:
获取各时间观测到的两散射中心在所述微距曲线中的距离差;
计算两散射中心的距离在宽带雷达视线上的投影向量;
根据所述距离差和所述投影向量得到半锥角估计值;
根据所述半锥角估计值得到母线长度估计值、锥体高度估计值和底面半径估计值。
8.一种基于IEEMD的目标微动参数估计系统,其特征在于,包括:
高分辨率距离像模块,用于获取回波信号,根据所述回波信号得到目标的高分辨率距离像;
脉冲获取模块,用于根据所述高分辨率距离像得到若干散射中心,并获取每一散射中心的脉冲;
相位信息模块,用于根据所述脉冲,通过IEEMD算法获取每一散射中心的包络信息,并根据所述包络信息得到对应的相位信息;
微距曲线生成模块,用于利用最小二乘法对所述相位信息进行相位解缠得到解缠后相位信息,根据解缠后相位信息得到目标的微距曲线;
参数估计模块,用于根据所述微距曲线得到目标微动参数估计值。
9.一种基于IEEMD的目标微动参数估计装置,其特征在于,包括:
至少一个处理器;
至少一个存储器,用于存储至少一个程序;
当所述至少一个程序被所述至少一个处理器执行,使得所述至少一个处理器实现权利要求1-7任一项所述的一种基于IEEMD的目标微动参数估计方法。
10.一种存储介质,其中存储有处理器可执行的指令,其特征在于,所述处理器可执行的指令在由处理器执行时用于执行如权利要求1-7任一项所述的一种基于IEEMD的目标微动参数估计方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010186729.8A CN111443334B (zh) | 2020-03-17 | 2020-03-17 | 基于ieemd的目标微动参数估计方法、系统、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010186729.8A CN111443334B (zh) | 2020-03-17 | 2020-03-17 | 基于ieemd的目标微动参数估计方法、系统、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111443334A true CN111443334A (zh) | 2020-07-24 |
CN111443334B CN111443334B (zh) | 2022-06-17 |
Family
ID=71648783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010186729.8A Active CN111443334B (zh) | 2020-03-17 | 2020-03-17 | 基于ieemd的目标微动参数估计方法、系统、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111443334B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485783A (zh) * | 2020-09-29 | 2021-03-12 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN113925482A (zh) * | 2021-10-26 | 2022-01-14 | 西安易朴通讯技术有限公司 | 心率计算方法、可穿戴电子设备和存储介质 |
CN116430349A (zh) * | 2023-06-14 | 2023-07-14 | 南京理工大学 | 一种基于物理先验知识的空间群目标探测方法及系统 |
CN117390531A (zh) * | 2023-11-20 | 2024-01-12 | 兰州交通大学 | 一种基于ieemd脑电信号分解的抑郁症自动识别方法 |
CN113925482B (zh) * | 2021-10-26 | 2024-05-31 | 西安易朴通讯技术有限公司 | 心率计算方法、可穿戴电子设备和存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156282A (zh) * | 2011-03-25 | 2011-08-17 | 电子科技大学 | 一种基于微多普勒效应的雷达目标检测方法 |
CN102721545A (zh) * | 2012-05-25 | 2012-10-10 | 北京交通大学 | 一种基于多特征参量的滚动轴承故障诊断方法 |
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 |
EP2807632A1 (en) * | 2012-01-25 | 2014-12-03 | Technische Universiteit Delft | Adaptive multi-dimensional data decomposition |
CN104375973A (zh) * | 2014-11-24 | 2015-02-25 | 沈阳建筑大学 | 一种基于集合经验模态分解的盲源信号去噪方法 |
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 |
CN109031219A (zh) * | 2018-06-14 | 2018-12-18 | 西安电子科技大学 | 基于相位测距的宽带雷达弹道目标微动几何参数估计方法 |
CN110146853A (zh) * | 2019-06-03 | 2019-08-20 | 浙江大学 | 一种飞行器旋翼微动特征提取方法 |
CN110175508A (zh) * | 2019-04-09 | 2019-08-27 | 杭州电子科技大学 | 一种应用于超声波局放检测的特征值提取方法 |
-
2020
- 2020-03-17 CN CN202010186729.8A patent/CN111443334B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102156282A (zh) * | 2011-03-25 | 2011-08-17 | 电子科技大学 | 一种基于微多普勒效应的雷达目标检测方法 |
EP2807632A1 (en) * | 2012-01-25 | 2014-12-03 | Technische Universiteit Delft | Adaptive multi-dimensional data decomposition |
CN102721545A (zh) * | 2012-05-25 | 2012-10-10 | 北京交通大学 | 一种基于多特征参量的滚动轴承故障诊断方法 |
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 |
CN104375973A (zh) * | 2014-11-24 | 2015-02-25 | 沈阳建筑大学 | 一种基于集合经验模态分解的盲源信号去噪方法 |
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 |
CN109031219A (zh) * | 2018-06-14 | 2018-12-18 | 西安电子科技大学 | 基于相位测距的宽带雷达弹道目标微动几何参数估计方法 |
CN110175508A (zh) * | 2019-04-09 | 2019-08-27 | 杭州电子科技大学 | 一种应用于超声波局放检测的特征值提取方法 |
CN110146853A (zh) * | 2019-06-03 | 2019-08-20 | 浙江大学 | 一种飞行器旋翼微动特征提取方法 |
Non-Patent Citations (6)
Title |
---|
CHUNHUA ZHOU 等: ""Hierarchical Classification Feature Extraction for Moving Target Detection Using Radar Echo"", 《2019 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 * |
ISMAIL JOUNY: ""Target recognition using scattering features extracted with EMD"", 《2014 IEEE RADAR CONFERENCE 》 * |
WEI, JIAQI 等: ""Non-Contact Life Signal Extraction and Reconstruction Technique Based on MAE"", 《IEEE ACCESS 》 * |
XIAOFENG YUE 等: ""Fault Diagnosis of Rolling Element Bearing Based on Improved Ensemble Empirical Mode Decomposition"", 《2015 7TH INTERNATIONAL CONFERENCE ON INTELLIGENT HUMAN-MACHINE SYSTEMS AND CYBERNETICS 》 * |
蔡念 等: ""基于互补自适应噪声的集合经验模式分解算法"", 《电子与信息学报》 * |
许旭光 等: ""基于高阶模糊函数的进动目标平动补偿"", 《探测与控制学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485783A (zh) * | 2020-09-29 | 2021-03-12 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN112485783B (zh) * | 2020-09-29 | 2024-05-10 | 北京清瑞维航技术发展有限公司 | 目标探测方法、装置、计算机设备和存储介质 |
CN113925482A (zh) * | 2021-10-26 | 2022-01-14 | 西安易朴通讯技术有限公司 | 心率计算方法、可穿戴电子设备和存储介质 |
CN113925482B (zh) * | 2021-10-26 | 2024-05-31 | 西安易朴通讯技术有限公司 | 心率计算方法、可穿戴电子设备和存储介质 |
CN116430349A (zh) * | 2023-06-14 | 2023-07-14 | 南京理工大学 | 一种基于物理先验知识的空间群目标探测方法及系统 |
CN116430349B (zh) * | 2023-06-14 | 2023-08-29 | 南京理工大学 | 一种基于物理先验知识的空间群目标探测方法及系统 |
CN117390531A (zh) * | 2023-11-20 | 2024-01-12 | 兰州交通大学 | 一种基于ieemd脑电信号分解的抑郁症自动识别方法 |
CN117390531B (zh) * | 2023-11-20 | 2024-04-02 | 兰州交通大学 | 一种基于ieemd脑电信号分解的抑郁症自动识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111443334B (zh) | 2022-06-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111443334B (zh) | 基于ieemd的目标微动参数估计方法、系统、装置及存储介质 | |
CN107132534B (zh) | 一种高速雷达目标频域检测的优化方法 | |
CN109061589A (zh) | 随机跳频雷达的目标运动参数估计方法 | |
CN111142105A (zh) | 复杂运动目标isar成像方法 | |
EP0544533B1 (en) | Improved ISAR imaging radar system | |
CN107153189B (zh) | 线性调频连续波雷达测距的信号处理方法 | |
CN107271955B (zh) | 一种宽带线性调频信号的时差和尺度差估计方法 | |
CN111443335B (zh) | 宽带雷达目标微动参数估计方法、系统、装置及存储介质 | |
CN111551925A (zh) | 基于fft的脉间频率捷变雷达的目标速度估计方法 | |
CN113640790A (zh) | 基于二维自适应谱估计的宽带宽脉冲高速目标检测方法 | |
Huang et al. | Robust detection and motion parameter estimation for weak maneuvering target in the alpha-stable noise environment | |
Wang et al. | Denoising FMCW ladar signals via EEMD with singular spectrum constraint | |
CN110426701B (zh) | 一种基于速度维稀疏表示的捷变频雷达目标速度测量方法 | |
CN113608217B (zh) | 基于增强矩阵补全的isar稀疏成像方法 | |
CN116413715A (zh) | 一种用于宽带雷达的机动目标检测与参数估计方法 | |
CN115902791A (zh) | 基于s波段测波雷达时间多普勒谱的海浪反演方法及系统 | |
CN114487597A (zh) | 一种czt频率估计方法 | |
CN109343057B (zh) | 一种针对非线性调频sar的cs成像方法和装置 | |
Ren et al. | Specific emitter identification based on intrinsic time-scale-decomposition and image texture feature | |
CN112630740A (zh) | 密集多目标的分辨方法及装置 | |
CN114488054B (zh) | 一种计算高效的合成孔径雷达地面运动目标聚焦方法 | |
Berizzi et al. | Synthetic range profile focusing via contrast optimization | |
CN114942053B (zh) | 一种基于相位估值的高精度雷达物位计测距方法 | |
CN113820679B (zh) | 雷达回波数据的滤波方法、装置、设备和存储介质 | |
Dragosevic | Autofocusing of moving objects in SAR data based on adaptive notch filtering |
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 |