CN111929654B - 一种基于微多普勒技术的杂波抑制方法 - Google Patents

Abstract

本发明公开了一种基于微多普勒技术的杂波抑制方法，属于雷达信号处理领域。本发明主要是由雷达数据预处理模块、时频分析模块、幅值提取与滤波模块组成。雷达回波信号首先经过预处理模块得到雷达回波数据，然后将得到的雷达回波数据进行时频分析，得到时频图。通过对回波时频图进行幅值提取，将三维时频域变换到频域，再经过傅里叶变换和滤波，滤除杂波的微动信息，得到目标的微动信息。本发明提出的杂波抑制方法简单，对信号处理设备性能要求低，杂波抑制精度较高。

Description

一种基于微多普勒技术的杂波抑制方法

技术领域

本发明属于雷达信号处理领域，具体涉及一种基于微多普勒技术的杂波抑制方法。

背景技术

雷达在典型草原地貌背景下探测目标，地面目标会受到复杂背景信号的干扰，常见的杂波如杂草、敌人释放的金属箔条等。这些杂波既有静止目标，又包括运动目标，在雷达回波信号中可能会产生强杂波信号干扰，甚至会淹没探测目标信号，严重影响目标特征的有效提取，因此需要对回波信号中的杂波进行抑制。

目前杂波抑制方法主要有动目标显示和MTD技术，MTI技术主要用于固定杂波的抑制，常用延迟对消实现。MTD主要用来抑制运动杂波，基本思想是设计一个滤波器组，并观察每个滤波器的输出，当滤波器个数很多且覆盖目标的所有可能频点，总有一个滤波器可以实现最近滤波输出。但MTD技术不能做到不失真的保留地面目标回波信号。

申请号为201710021300.1，申请日为2017年1月11日的专利申请“一种基于深度学习的杂波抑制方法”中，提出一种基于深度学习的杂波抑制方法，通过深度学习模块中的稀疏自动编码器提取出雷达回波信号的特征，并使用SVM支持向量机对其分类，得到杂波信号和非杂波信号。在深度学习模块建立的过程中，由于特征的提取是建立在大量的雷达回波信号基础之上的，因此特征的提取具有普遍性。该方法具有一定的优点，但为了保证对杂波较高的抑制精度，该方法需要经过不断训练，耗时较长。

发明内容

本发明所要解决的技术问题是：提供一种基于微多普勒技术的杂波抑制方法，解决了现有技术中杂波抑制方法精度低、耗时长的问题。

本发明为解决上述技术问题采用以下技术方案：

一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：

步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；

步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；

步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；

得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：

STFT_x(t,ω)＞A

其中STFT_x(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数；

根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：

步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；

步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。

步骤1中，在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据。

步骤2中，将包含各种杂波信号的雷达回波数据带入如下公式：

得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(t)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到时频图。

与现有技术相比，本发明具有以下有益效果：

相比于以往的使用深度学习的杂波抑制方法，对杂波有更好的抑制效果，实时性和简捷性较高，对设备性能要求较低，更节省成本。

附图说明

图1为本发明基于微多普勒技术的杂波抑制方法的实现流程图。

图2为本发明雷达回波信号时频图。

图3为本发明未消除杂波时的目标微动频率图。

图4为本发明杂波抑制后目标微动频率图。

具体实施方式

下面结合附图对本发明的结构及工作过程作进一步说明。

本方案提出一种基于微多普勒技术的杂波抑制方法，通过目标与杂波之间的微多普勒特征差异，将目标和杂波进行分离，从而实现杂波抑制。该方法主要包括雷达数据预处理模块、时频分析模块、幅值提取与滤波模块。在时频分析模块中分析目标与杂波微多普勒频率的差异，并得到时频图。通过对回波时频图进行幅值提取，将三维时频域变换到二维，再经过傅里叶变换和滤波，滤除杂波的微到频率，从而实现杂波的有效移除。该方法相比于以往的使用深度学习的杂波抑制方法，对杂波的消除具有更高的准确度，运算复杂度低，对设备性能要求较低，具有更高的实时性和简洁性。

一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：

步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；

步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；

步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；

步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；

步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。

具体实施例，如图1至图4所示，

一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，具体的处理过程如下：

步骤1、在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据；

步骤2、将包含各种杂波信号的雷达回波数据带入如下公式：

得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(t)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到雷达回波数据的时频图；

步骤3、对得到的时频图进行幅值提取，得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，时频图的横轴是时间轴t，纵轴为雷达回波信号频谱对应的频率轴f，时频图颜色深浅代表雷达回波信号幅值频率A_f，对时频图进行处理，首先设置合适的阈值将其转化为二值图像，即

A_fi(t)>A_f

其中A_fi(t)为t时刻对应的不同频率点幅值，A_f为最小幅度阈值，将三维时频域变换到二维，获取微多普勒频率序列，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：

STFT_x(t,ω)＞A

其中STFT_x(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数，根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：

步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息，在对目标和杂波的微动频率分析后，两者的微动频率如图3所示，可以看出，两者的微动频率变化范围分布不同；

步骤5、对目标和杂波的微动信息进行高通滤波，通过高通滤波设置门限滤除杂波的微动信息，即可得到目标的微动特征信息，实现目标和杂波的分离，其分离结果如图4所示，滤除杂波微动频率信息，得到需要的目标特征信息。

本发明是从目标和杂波的精细运动特征进行分析研究，利用微多普勒技术来实现杂波抑制，具有方法简单、运算量小、对信号处理设备性能要求低、精确度高等优势。

本领域技术人员应该理解，本领域技术人员在结合现有技术以及上述实施例可以实现变化例，在此不做赘述。这样的变化例并不影响本发明的实质内容，在此不予赘述。

以上对本发明的较佳实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施；任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例，这并不影响本发明的实质内容。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围。

Claims (3)

1.一种基于微多普勒技术的杂波抑制方法，对雷达回波信号依次经过雷达数据处理模块、时频分析模块和幅值提取与滤波模块进行处理后，得到目标特征信息，其特征在于：具体的处理过程如下：

步骤1、通过雷达信号处理模块对雷达回波信号进行初步的数据预处理之后得到雷达回波数据；

步骤2、对雷达回波数据进行时频分析，得到雷达回波数据的时频图；

步骤3、对得到的时频图进行幅值提取，将三维时频域变换到二维，获取微多普勒频率序列；

得到雷达回波时频图为时间、频率和幅值的三维图像，对时频图进行处理，通过如下公式设置微多普勒频率的幅度阈值A，剔除微多普勒频率的低幅值分量：

STFT_x(t,ω)＞A

其中STFT_x(t,ω)为t时刻对应的不同频率点幅值，A为最小幅度阈值；获取观测时间内每个时间点对应的微多普勒频率幅值，获取微多普勒频率随时间的变化函数；

根据如下公式将每一个时间点t对应的频率幅值相加，得到微多普勒频率随时间的变化函数：

步骤4、对得到的微多普勒频率序列进行傅里叶变换，获取目标和杂波的微动信息；

步骤5、对目标和杂波的微动信息进行高通滤波，滤除杂波微动频率信息，得到需要的目标特征信息。

2.根据权利要求1所述的基于微多普勒技术的杂波抑制方法，其特征在于：步骤1中，在雷达信号预处理模块中，首先将雷达回波信号变换到频域，然后乘以ROM中预存的匹配滤波所需的匹配函数，再经IFFT变换到时域后进行距离脉冲压缩，获取包含多种杂波信号的雷达回波数据。

3.根据权利要求1所述的基于微多普勒技术的杂波抑制方法，其特征在于：步骤2中，将包含各种杂波信号的雷达回波数据带入如下公式：

得到目标和杂波的微多普勒频率随时间的变化规律，其中，S(t)是雷达回波信号，g(t)是窗函数；用窗函数来取出信号，然后对取出的信号做傅里叶变换，将雷达回波数据变换到时频域，得到时频图。