CN113702969A - 基于自适应stft方法的微多普勒信号参数估计方法 - Google Patents

Abstract

本发明涉及一种基于自适应STFT方法的微多普勒信号参数估计方法，属于雷达目标信号检测和参数估计技术领域，解决低信噪比下无人机信号参数难以有效估计的问题，解决方案为：本发明针对无人机旋翼回波信号，首先通过傅里叶变换自适应选取STFT信号长度、窗长、旋转频率等参数的初步估计值，接着利用STFT、SST完成旋翼类微多普勒信号的参数估计。这种自适应STFT方法的旋翼类无人机微多普勒信号参数估计技术可提高信号时频分辨率，有利于参数估计精度和目标识别率的提高，给后续雷达探测系统的检测和识别需求提供技术保障，值得采用和推广。

Description

基于自适应STFT方法的微多普勒信号参数估计方法

技术领域

本发明属于雷达目标信号检测和参数估计技术领域，具体涉及的是一种基于自适应STFT 方法的微多普勒信号参数估计方法。

背景技术

针对旋翼类目标的微多普勒分析，目前常用的时频分析方法为短时傅里叶变换(STFT)， 但STFT受限于目标旋翼个数和旋翼旋转频率，合适的窗长度难以进行准确的选择，另外STFT 的时频分辨率受不确定性原则约束，实际使用中难以对多条微多普勒曲线进行准确的分辨。

发明内容

本发明的目的在于克服现有技术的缺点，解决低信噪比下无人机信号参数难以有效估计 的问题，提供一种基于自适应STFT方法的微多普勒信号参数估计方法。

本发明针对上述STFT难以对多分量微多普勒信号进行准确时频分辨的问题，提出基于 傅里叶变换(FT)、自适应窗长STFT、同步压缩变换(SST)的旋翼参数估计技术，以提高低信噪比下雷达对旋翼无人机目标的检测和识别性能，给后续雷达探测系统的检测和识别需 求提供技术保障。

为了解决上述问题，本发明的技术方案为：

基于自适应STFT方法的微多普勒信号参数估计方法，包括以下步骤：

S1、无人机旋翼回波的数字信号x(n)表示为：

式①中：n为采样点数，n＝1，2，……N；T_s为采样时间间隔，单位为秒；P为无人机旋翼个数，p＝1，2……P；L为旋翼长度，单位为米；目标与雷达视线夹角为β弧度，f_r为旋 翼频率，φ_i为第i个旋翼的初始相位，λ为电磁波波长；ξ为反射信号幅度，单位为伏特；

S2、对式①进行傅里叶变换：

X(w)＝FFT[x(n)]； ②

S3、对式②中相邻谱线的频率间隔进行标记，并计算对应的频率大小f_AM：

式③中：n_a，n_b分别表示相邻谱线对应的频谱点数；

S4、利用式③获取多普勒频谱范围，即获得目标旋翼引起的最大多普勒频率f_d；

S5、对式①进行STFT：

S6、对式④进行SST：

式⑤中T表示SST变换，w(n,w)表示瞬时频率：

式⑥中diff代表对函数S(n,w)关于n进行差分运算；

S7、抽取T[S(n,w)]时间维上多个点，估计无人机旋翼个数

即：

S8、将式⑦获得结果

代入

中，重复步骤S5～S7，进一步验证选取的窗长以及获 得的旋翼数，并求出旋翼频率f_r：

S9、通过f_r以及f_d获得无人机旋翼长度L为：

进一步地，在所述步骤S5中，

x(m)的长度D通过f_AM的大小进行选择：

窗函数g的窗长为：

进一步地，在所述步骤S5中，

所述的x(m)的长度D初始值为

所述的窗函数g的窗长初始值为

进一步地，在所述步骤S7中，Q为抽取的总点数，q_i表示抽取的第i个点中幅度大于阈 值后剩余的点数总和，q_i表示为：

式

中η为阈值系数，η的取值范围为0.6～1。

与现有技术相比本发明的有益效果为：

1.本发明针对无人机旋翼回波信号，通过傅里叶变换可获得旋转频率的初步估计值；

2.本发明针对无人机旋翼个数，通过SST的自适应STFT可获得旋翼个数估计值；

3.本发明可自适应调节STFT的窗函数宽度，能提高信号的时频分辨率。

总之，本发明提供的自适应STFT方法的旋翼类无人机微多普勒信号参数估计技术值得 采用和推广。

附图说明

图1为本发明流程框图；

图2为无噪声、旋翼数是2条件下，旋翼回波的傅里叶变换示意图；

图3为无噪声、旋翼数是2条件下，旋翼回波的STFT示意图；

图4为无噪声、旋翼数是2条件下，旋翼回波的SST示意图；

图5为无噪声、旋翼数是2条件下，旋翼回波的多普勒频谱展宽示意图；

图6为无噪声、旋翼数是2条件下，旋翼回波超过阈值线的峰值数示意图；

图7为加入5分贝高斯白噪声、旋翼数是2条件下，旋翼回波的STFT示意图；

图8为加入5分贝高斯白噪声、旋翼数是2条件下，旋翼回波的SST示意图；

图9为加入5分贝高斯白噪声、旋翼数是2条件下，旋翼回波超过阈值线的峰值数示意 图；

图10为加入0分贝高斯白噪声、旋翼数是4条件下，旋翼回波的傅里叶变换示意图；

图11为加入0分贝高斯白噪声、旋翼数是4条件下，旋翼回波的STFT示意图；

图12为加入0分贝高斯白噪声、旋翼数是4条件下，旋翼回波的SST示意图；

图13为加入0分贝高斯白噪声、旋翼数是4条件下，旋翼回波超过阈值线的峰值数示意 图；

图14为旋转频率变化条件下，旋翼回波的傅里叶变换示意图；

图15为旋转频率变化条件下，旋翼回波的STFT示意图；

图16为旋转频率变化条件下，旋翼回波超过阈值线的峰值数示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细描述。

实施例1

如图1～5所示的基于自适应STFT方法的微多普勒信号参数估计方法，包括以下步骤：

S1、无人机旋翼回波的数字信号x(n)表示为：

式①中：n为采样点数，n＝1，2，……，10000；采样时间间隔T_s为100微秒；无人机旋翼个数P为2；旋翼长度L为6.5米；目标与雷达视线夹角β弧度为0，旋翼频率f_r为2赫兹， φ_i为第i个旋翼的初始相位，φ₀＝0，φ₁＝π；为电磁波波长λ为0.06米；ξ为反射信号系数，ξ 的取值不大于1；

S2、对式①进行傅里叶变换：

X(w)＝FFT[x(n)]； ②

S3、对式②中相邻谱线的频率间隔进行标记，并计算对应的频率大小f_AM：

式③中：n_a，n_b分别表示相邻谱线对应的频谱点数，n_a＝4041，n_b＝4045；

S4、利用式③获取多普勒频谱范围，即获得目标旋翼引起的最大多普勒频率f_d＝2.7千赫 兹；

S5、对式①进行STFT：

式④中x(m)的长度D通过f_AM的大小进行选择：

窗函数g的窗长为：

在步骤S5中，

所述的x(m)的长度D初始值为

所述的窗函数g的窗长初始值为

S6、对式④进行SST：

式⑤中T表示SST变换，w(n,w)表示瞬时频率：

式⑥中diff代表对函数S(n,w)关于n进行差分运算；

S7、抽取T[S(n,w)]时间维上多个点，估计无人机旋翼个数

即：

Q为抽取的总点数，q_i表示抽取的第i个点中幅度大于阈值后剩余的点数总和，q_i表示 为：

式

中η为阈值系数，η为0.6。由图6得，q_i＝2，代入式⑦中得

S8、将式⑦获得结果

代入

中，重复步骤S5～S7，进一步验证选取的窗长以及获 得的旋翼数，并求出旋翼频率f_r：

S9、通过f_r以及f_d获得无人机旋翼长度L为：

本实施例1按照图1的总体流程框图给出了重要步骤的仿真示意结果。图2、图3、图4、 图5、图6分别为傅里叶变换、STFT、SST、多普勒频率，旋翼个数，由图2可得，两旋翼 产生的相邻谱线频率间隔为3649-3645＝4赫兹。图3为STFT获得旋翼微多普勒谱线，图4 为SST获得旋翼微多普勒谱线，可以看出图4的时频分辨率好于图3。由图5可得，两旋翼 产生的微多普勒频率f_d为6349-3653＝2696赫兹，由图6可得，超过阈值线的峰值数为2，代 表目标含有2个旋翼，并将微多普勒宽度2696赫兹，旋翼数2以及其它参数代入式

、⑧得， 旋转频率为2赫兹、旋翼长度为6.5米，与理论值基本一致。以上仿真实例图示及结果说明， 本发明可实现无人机旋翼运动参数的估计。

实施例2

由图1、及图7～图9所示，本实施例2的具体实施步骤如实施例1中所述的共九个步骤, 其检测过程也如图1中所述的共9个过程，在此不再重述。本实施例2在实施例一的基础上， 为了进一步验证本发明对低信噪比下无人机旋翼运动参数的检测和估计情况，本实施例2与 实施例1的不同点仅在于：步骤S1中目标信号加入5分贝的高斯白噪声，其余未述的与实施 例1中所述的相同，不再重述。

根据实施例1的步骤进行处理后，图7为STFT结果，图8为SST结果，对比图3、图4 的结果，可以得出信噪比降低时，时频谱线清晰度下降，对比图6、图9的结果，可以得出 旋翼个数仍然可以准确估计，验证了本发明对低信噪比下旋翼回波信号参数估计的有效性。

实施例3

由图1、及图10～图13所示，本实施例3的具体实施步骤如实施例1中所述的共九个步 骤，其检测过程也如图1中所述的共9个过程，在此不再重述。

本实施例3在实施例1和实施例2的基础上，进一步验证本发明方法对两旋翼以上回波 信号的检测和参数估计情况，本实施例3与实施例1和实施例2的不同点有：所分析旋翼数 为4，所加高斯噪声为0分贝，其余未述的与实施例1中所述的相同，不再重述。

根据实施例1的步骤进行处理后，图10为四旋翼产生的相邻谱线频率间隔为3649-3641＝8 赫兹，图11为STFT获得旋翼微多普勒谱线，图12为SST获得旋翼微多普勒谱线，由图13 可得，超过阈值线的峰值数为4，代表目标含有4个旋翼，与理论值一致，验证了本发明可 实现对无人机多旋翼回波信号检测和参数估计。

实施例4

由由图1、及图14～图16所示，本实施例4的具体实施步骤如实施例1中所述的共九个 步骤，其检测过程也如图1中所述的共9个过程，在此不再重述。

本实施例4在实施例1～实施例3三的基础上，进一步验证本发明中旋转频率变化时旋翼 参数的估计情况，本实施例4与实施例1～实施例3的不同点有：

1.所述的步骤一中目标旋翼个数为3，旋转频率为4赫兹，频率变化率为0.4赫兹/秒，所 加的高斯白噪声为0分贝

2.所述的步骤五中窗函数长度为36；

其余未述的与实施例1中所述的相同，不再重述。

图14为傅里叶变换结果，从中仍然可以得出旋翼引起的微多普勒频率，但是相邻谱线间 的频率间隔受到频率变化率的影响，已经无法进行准确分辨；图15为短时傅里叶变换结果， 图16显示超过阈值线的峰值数为3，图14～图16验证了本发明适用于对旋转频率变化的旋翼 数进行估计，同时结合图16的时频曲线，也可得出旋转频率的估计。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉 技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本 发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.基于自适应STFT方法的微多普勒信号参数估计方法，其特征在于包括以下步骤：

S1、无人机旋翼回波的数字信号x(n)表示为：

式①中：n为采样点数，n＝1，2，……N；T_s为采样时间间隔，单位为秒；P为无人机旋翼个数，p＝1，2……P；L为旋翼长度，单位为米；目标与雷达视线夹角为β弧度，f_r为旋翼频率，φ_i为第i个旋翼的初始相位，λ为电磁波波长；ξ为反射信号幅度，单位为伏特；

S2、对式①进行傅里叶变换：

X(w)＝FFT[x(n)]； ②

S3、对式②中相邻谱线的频率间隔进行标记，并计算对应的频率大小f_AM：

式③中：n_a，n_b分别表示相邻谱线对应的频谱点数；

S4、利用式③获取多普勒频谱范围，即获得目标旋翼引起的最大多普勒频率f_d；

S5、对式①进行STFT：

S6、对式④进行SST：

式⑤中T表示SST变换，w(n,w)表示瞬时频率：

式⑥中diff代表对函数S(n,w)关于n进行差分运算；

S7、抽取T[S(n,w)]时间维上多个点，估计无人机旋翼个数

即：

S8、将式⑦获得结果

代入

中，重复步骤S5～S7，进一步验证选取的窗长以及获得的旋翼数，并求出旋翼频率f_r：

S9、通过f_r以及f_d获得无人机旋翼长度L为：

。

2.根据权利要求1所述的基于自适应STFT方法的微多普勒信号参数估计方法，其特征在于：在所述步骤S5中，

x(m)的长度D通过f_AM的大小进行选择：

窗函数g的窗长为：

3.根据权利要求1或2所述的基于自适应STFT方法的微多普勒信号参数估计方法，其特征在于：在所述步骤S5中，

所述的x(m)的长度D初始值为

所述的窗函数g的窗长初始值为

4.根据权利要求1所述的基于自适应STFT方法的微多普勒信号参数估计方法，其特征在于：在所述步骤S7中，Q为抽取的总点数，q_i表示抽取的第i个点中幅度大于阈值后剩余的点数总和，q_i表示为：

式

中η为阈值系数，η的取值范围为0.6～1。

Images