低信噪比条件下雷达目标微多普勒信息提取

2021年4月第56卷第2期•处理技术•文章编号：1000-7210(2021)02-0242-07 -种从低信噪比地震资料中提取信号的方法许自龙〜宋林®夏洪瑞®(①中国石油化工股份有限公司石油物探技术研究院，江苏南京211103;②中国石油化工股份有限公司江汉石油管理局物探处物探研究中心，湖北潜江433100)许自龙，宋林，夏洪瑞.一种从低信噪比地震资料中提取信号的方法.石油地球物理勘探，2021,56(2) :242-248.摘要采用改进的时空变小波阈值去噪与叠加技术相结合的方法实现从低信噪比地震资料中提取信号。

为减小经典小波阈值去噪产生的过扼杀或过保留现象，选用中值与叠加结果对去噪结果进行约束，并以此为基础改进了经典小波阈值去噪方法。

地震资料进行小波变换之后，对每一小波尺度下的各道的每一小波系数用改进方法去噪，然后小波重构.得到去噪后记录。

应用多个小波重复上述操作，得到多道去噪后的记录，将这些多道记录叠加，实现增强信号的目的。

理论分析及数据测试表明，该方法能从低信噪比地震资料中准确提取信号，且处理效果明显优于常规处理方法。

关键词低信噪比资料信号提取中值滤波改进的小波阈值去噪去噪叠加技术增强信号中图分类号：P631 文献标识码：A doi： 10. 13810/j. cnki. issn. 1000-7210. 2021. 02. 004〇引言在地震勘探中，受现场施工条件限制或因地下传播路径复杂，所采集到的地震数据往往信噪比较低，有效信号常淹没在强大噪声背景中，致使依赖于较高信噪比的一些处理技术的应用效果受到影响，如速度分析、静校正量计算、地震建模及偏移成像等。

因此，亟待通过采用各种更有效去噪技术提高地震资料的信噪比。

在传统去噪技术中，常用减小噪声或增强信号，或两者兼顾的方法。

这些方法（如随机噪声衰减、F- X decon、奇异值分解、多项式拟合等）都建立在信号占优的前提下，否则难以达到应用目的。

一种低信噪比下雷达辐射源识别方法
1 引言
雷达辐射源识别技术在电子对抗技术中具有重要意义，它为自动识别和跟踪敌方雷达辐射源提供了可能性。

然而，在低信噪比下，由于信号噪声或干扰强度高，雷达辐射源的特征信号容易被淹没，从而影响其识别效率。

为了解决这一问题，本文提出了一种低信噪比下雷达辐射源识别技术。

2 主要技术分析
本技术的主要流程如下︰
（1）首先，从待测信号中分离信号和噪声，并进行状态估算，确定信号的精确定位；
（2）然后，从噪声信号中提取相关特征参数，以进行辐射源识别；
（3）随后，对已提取的参数，采用统计原理应用样本平均值来确定背景噪声的特征；
（4）最后，根据雷达辐射源识别结果，计算相应辐射源的定位精确度，并采用掩模抑制策略对信号进行处理，以提高识别准确度。

3 典型应用
本技术的典型应用主要在于电子对抗技术中，通过准确识别和跟
踪敌方辐射源来作为作战中的警戒。

除此之外，本技术还可用于航空
航天、有线通信及无线电定位等领域。

4 小结
本文综述了一种低信噪比下雷达辐射源识别技术。

这种技术利用
信号估计技术确定目标位置，同时采用掩模抑制策略，有效提高了信
号识别准确度；此外，本技术可应用于电子对抗技术，以及航空航天、有线通信等领域中。

雷达微动目标参数估计与特征提取方法研究雷达微动目标参数估计与特征提取方法研究摘要：雷达技术在军事、航空、天气、地质勘探等领域起着重要的作用，然而，目标微动对雷达目标参数估计和特征提取造成了很大挑战。

本文综述了雷达微动目标参数估计与特征提取的研究现状，重点介绍了微动目标参数的定义、影响因素以及常用的估计方法和特征提取方法，并探讨了未来的研究方向。

1. 引言雷达技术应用广泛，但是当目标发生微动时，对目标参数的估计和特征提取就会受到很大影响。

目标微动是由于目标本身运动或外界干扰引起的，它会导致雷达返回信号的频谱发生变化，使得参数估计和特征提取变得困难。

因此，研究雷达微动目标参数估计与特征提取方法具有重要的理论意义和实际应用价值。

2. 微动目标参数定义与影响因素微动目标参数是指目标微动时与目标运动状态相关的参数，常见的微动目标参数包括速度、加速度、振幅、相位等。

雷达微动目标参数受多种因素影响，如目标本身性质、雷达工作模式、外界环境条件等。

了解这些影响因素对于选择合适的参数估计和特征提取方法至关重要。

3. 微动目标参数估计方法目前，常用的微动目标参数估计方法包括最小二乘法、扩展卡尔曼滤波、粒子滤波等。

最小二乘法是一种常见且简便的估计方法，能够通过最小化预测值和观测值之间的均方误差来估计微动目标参数。

扩展卡尔曼滤波则是一种递归滤波算法，能够通过迭代更新状态向量和协方差矩阵来实现参数的在线估计。

粒子滤波是一种基于蒙特卡洛采样的估计方法，具有适应性强、鲁棒性好等优点。

4. 微动目标特征提取方法在微动目标的特征提取方面，波形特征、频谱特征和图像特征是常用的方法。

波形特征是通过分析目标微动引起的雷达返回信号的波形变化来获取目标的信息，如振动频率、振幅等。

频谱特征则是通过将返回信号经过傅里叶变换得到的频谱数据进行分析，从中提取目标微动的频域特征。

图像特征是通过将雷达返回信号转换为图像进行处理，常见的方法包括基于图像处理的边缘检测、纹理分析等。

信号分解的方法将微多普勒分量从雷达回波中分离信号分解是一种将微多普勒分量从雷达回波中分离的方法。

在雷达应用中，微多普勒效应常常被用来获得目标的速度信息，但是在实际的情况中，雷达回波常常包含着多种频率的信号，其中包括了来自目标的目标回波信号以及其他干扰信号。

因此，分离出微多普勒分量对于目标检测和辨识非常重要。

为了实现微多普勒分量的分离，需要经过一系列的信号处理步骤。

下面将一步一步详细介绍。

第一步是进行回波信号的预处理。

预处理的目的是消除干扰信号，以便更好地提取微多普勒分量。

方法包括滤波、降噪等。

滤波可以采用数字滤波器，常见的有低通滤波器和带通滤波器。

降噪可以利用去噪算法，如小波去噪或最小二乘法去噪等。

第二步是进行目标信号的提取。

目标信号一般具有比较明显的特征，可以通过一些特定的算法进行提取。

常见的算法包括基于相关性分析的方法、基于最大似然估计的方法以及基于信号处理的方法等。

这些方法可以提取出目标信号的波形、频率和幅度等特征。

第三步是进行微多普勒频移的估计。

微多普勒频移是由于目标运动引起的频率偏移现象。

通过估计微多普勒频移，可以得到目标的速度信息。

常见的估计方法包括基于相关性分析的方法、基于最大似然估计的方法以及基于特征提取的方法等。

这些方法可以通过对目标信号的特征进行分析和比较，来确定微多普勒频移的大小和方向。

第四步是对微多普勒分量进行分解。

微多普勒分量是指目标回波信号中由于目标运动引起的频率成分。

分解微多普勒分量可以采用多种方法，常见的有离散傅里叶变换（DFT）、快速傅里叶变换（FFT）、小波变换等。

这些方法可以将回波信号从时域转换到频域，以便更好地分离微多普勒分量。

第五步是对分离的微多普勒分量进行进一步的处理。

处理的目的是进一步提取目标的特征和信息。

常见的方法包括频谱分析、特征提取、目标检测和辨识等。

这些方法可以通过对微多普勒分量进行分析和比较，来得到目标的速度、运动轨迹以及其他特征信息。

综上所述，信号分解是一种将微多普勒分量从雷达回波中分离的方法。

基于窄带雷达的目标微多普勒特征提取研究基于窄带雷达的目标微多普勒特征提取研究引言：目标识别和跟踪是雷达应用领域的重要研究方向之一。

在实际应用中，窄带雷达广泛用于远距离目标的探测与跟踪。

目标微多普勒特征提取是目标识别和跟踪的关键环节之一，对于目标的运动状态估计有着重要的作用。

本文将探讨基于窄带雷达的目标微多普勒特征提取研究。

一、目标微多普勒特征的基本原理微多普勒效应是目标运动引起的雷达信号频率的变化。

通过分析目标的微多普勒特征可以得到目标的速度、角速度和运动轨迹等信息。

在窄带雷达中，目标的微多普勒特征主要通过接收到的雷达回波信号来提取。

二、目标微多普勒特征提取方法1. 滤波法滤波法是最基本的目标微多普勒特征提取方法之一。

通过对接收到的雷达信号进行滤波处理，可以去除噪声和杂波干扰，从而提取出目标的微弱微多普勒信号。

常用的滤波方法包括卡尔曼滤波、均值滤波和中值滤波等。

2. 目标距离和速度估计目标的微多普勒特征可以通过对雷达回波信号进行傅里叶变换得到频谱信息，进而估计出目标的距离和速度。

这一方法广泛应用于窄带雷达的目标追踪系统中。

传统的频域分析方法包括快速傅里叶变换（FFT）、傅里叶积分法（FTM）等。

3. 特征提取算法目标的微多普勒特征可以通过一系列特征提取算法进行提取。

常用的特征提取算法包括小波变换、矩阵分解、模式匹配和神经网络等。

这些算法可以从目标微多普勒特征中提取出具有较高判别能力的特征参数，用于目标分类和识别。

三、研究进展与挑战目前，基于窄带雷达的目标微多普勒特征提取研究取得了一些进展，但仍存在一些挑战。

首先，窄带雷达在目标微多普勒特征提取中容易受到杂波和互调干扰的影响，降低了提取结果的准确性和可靠性。

其次，目标微多普勒特征提取算法的复杂度较高，导致实时性有限，难以满足实际应用需求。

此外，目标微多普勒特征与目标形态、纹理等其他特征之间的关系还需进一步研究，以提高目标的分类和识别性能。

结论：基于窄带雷达的目标微多普勒特征提取研究是目标识别和跟踪中的重要课题。

雷达中的微多普勒技术及展望【摘要】微波雷达中的微多普勒效应成为近年来一个新的技术研究热点，目标的微多普勒特征能够刻画其精细、独特的特性。

文章首先介绍微多普勒效应的概念，分析其产生机理，阐述了雷达目标微多普勒特征提取的经典时频分析方法，揭示其应用，并展望微多普勒技术的发展。

【关键词】微运动;微多普勒;特征提取;时频分析1.引言在现代信息化战争条件下，现有的目标识别技术已不能满足现代高技术战争的要求，雷达目标研究所需要的数据不仅仅是目标的整体运动信息，还需要更多、更精细目标数据，比如目标所处状态及其姿态的变化等，因而微波雷达目标的微多普勒效应成为近年来一个新的技术研究热点。

微多普勒效应最初是被引入到相参激光雷达系统中用来测量物体的运动性质[1]。

微波雷达中的微多普勒效应是美国海军研究实验室的Victor C.Chen博士1998年在研究联合时频域分析应用于雷达图像和信号处理试验时，从得到的行人运动逆合成孔径雷达实验数据中发现并从此开始研究。

微多普勒效应是指运动目标除了主体移动外，目标或其任何结构部件还存在微运动（振动、旋转、翻滚、进动、章动等小幅度运动），这种微运动在雷达回波信号上引起附加的多普勒频率调制，并在主体移动产生的发射信号多普勒偏移频率附近产生边频，使得目标多普勒频谱展宽的现象[1]。

如直升机旋转的旋翼叶片、汽车发动机引起的车身振动、飞鸟扑动的翅膀、行人摆动的手臂和腿等。

雷达目标回波中包含的微多普勒信息能够精细刻画目标的形状、结构、散射特性及其独特的精细运动特性，更进一步反映目标的类型和运动意图。

目标精细的微多普勒特征信息与目标物性参数之间具有特定的对应关系，被视为目标独一无二的特性，微动特征的提取为雷达目标的分类和识别及微弱目标的检测提供了稳定性好、可靠性高的新途径。

2.目标微多普勒特征提取方法微多普勒的产生是由于目标的微运动所引起的雷达回波的微多普勒频率调制，其中所包含的目标各结构部件的微运动信息反映了目标的微动特性，从雷达回波中的微多普勒特征信息可以进一步反演出目标的形状、结构、姿态、表面材料的电磁参数、运动特征等信息，因此雷达目标微多普勒特征的提取是微多普勒技术研究的关键。

DOI: 10.11991/yykj.202008014网络出版地址：https:///kcms/detail/23.1191.U.20201202.1402.010.html无人机微多普勒特征实时提取的FPGA 实现莫禹涵，郭立民哈尔滨工程大学 信息与通信工程学院 黑龙江 哈尔滨 150001摘 要：小型无人机具有高度低、速度慢、机动性强和可悬停等特点，给雷达探测无人机目标带来了很大的困难。

为解决此问题，本文立足于实际的线性调频连续波(LFMCW)雷达系统，利用现场可编程逻辑门阵列(FPGA)的并行处理能力，通过对数据进行流水线处理和乒乓操作来替代传统的串行处理器实现动目标指示(MTI)和动目标检测(MTD)算法，实现了高速实时的无人机微多普勒信息提取。

并通过对实测的FPGA 处理结果进行分析，进而验证其正确性，为雷达系统全天候、自动化地监测低空非合作无人机提供了解决思路。

关键词：现场可编程逻辑门阵列；线性调频连续波雷达；微多普勒；无人机；流水线处理；乒乓操作；动目标指示；动目标检测中图分类号：TN958.95 文献标志码：A 文章编号：1009−671X(2021)02−0033−09Real-time extraction of UAV micro-Doppler features using FPGAMO Yuhan, GUO LiminCollege of Information and Communication Engineering, Harbin Engineering University, Harbin 150001, ChinaAbstract : Small unmanned aerial vehicles (UAVs) have the characteristics of low altitude, low speed, high mobility,and hovering capability, which brings great difficulties to radar detection. To solve this problem, based on the actual linear frequency modulated continuous wave (LFMCW) radar system, and parallel process capability of the field programmable gate array (FPGA), in this paper, the pipelined processing and ping-pong operation are used to replace traditional serial processor to achieve the moving target indication (MTI) and moving target detection (MTD)algorithms, realizing the high-speed real-time micro-Doppler information extraction from UAVs. The correctness is verified by analyzing the actually tested FPGA processing results. It provides a solution for the radar system to monitor low-altitude non-cooperative drones automatically in all-weather condition.Keywords: FPGA; LFMCW radar; micro-Doppler; UAV; pipeline processing; Ping-pong operation; MTI; MTD近年来随着科技的发展，小型无人机逐渐出现在大众的视野中。

基于短时迭代自适应-逆 Radon 变换的微多普勒提取方法赵彤璐;廖桂生;杨志伟【摘要】For multicomponent signals overlapping seriously and neighboring,the widely-used algorithms like the short-time Fourier transform ( STFT) and S-Method( SM) are poor in frequency resolution and low in reconstruction accuracy.To solve this problem,a method based on short-time iterative adaptive approach and inverse Radon transform( STIAA-IRT) to extract the micro-Doppler signatures is proposed combining with the inverse Radon transform (IRT).Analysis of the micro-Doppler characteristics for a point scatterer model with the employment of the STIAA time-frequency transform based on weighted iterative adaptation is made,and then the IRT is utilized to separate and reconstruct different micro-Doppler compo-nents with the result that the complete micro-Doppler features of all useful signals are obtained successfully under low SNR and time-frequency distribution in high resolution.Finally,analysis of the performance illustrates that STIAA-IRT has a higher reconstruction accuracy along with an obvious advantage over the signature extracting algorithms of STFT-IRT and SM-IRT.%对于频率交叠严重且频率成分接近的多分量信号，常用的短时傅里叶变换（ Short Time Fourier Trans-form，STFT）和S 方法（S-Method，SM）频率分辨能力不足，重构精度低。

《面向低信噪杂比环境的随机信号雷达生命探测方法研究》篇一一、引言生命探测技术作为应急救援、战场搜救等领域的核心手段，其性能的优劣直接关系到救援效率及成功率。

在复杂多变的实际环境中，尤其是在低信噪杂比环境下，如何准确有效地进行生命探测一直是研究的热点和难点。

本文针对这一难题，提出了一种面向低信噪杂比环境的随机信号雷达生命探测方法，旨在提高生命探测的准确性和可靠性。

二、随机信号雷达原理随机信号雷达是一种新型雷达技术，其基本原理是利用随机调制信号进行发射和接收。

由于随机信号的独特性质，使得雷达在探测过程中具有较强的抗干扰能力和较高的分辨率。

在生命探测领域，随机信号雷达能够有效地穿透障碍物，捕捉到微弱的生命体征信号。

三、低信噪杂比环境下的生命探测挑战在低信噪杂比环境下，信号的强度往往较弱，且容易受到各种干扰的影响。

这给生命探测带来了极大的挑战。

传统的生命探测方法往往难以在这种环境下实现准确探测。

因此，需要研究一种新的生命探测方法，以提高在低信噪杂比环境下的探测性能。

四、随机信号雷达生命探测方法针对低信噪杂比环境下的生命探测问题，本文提出了一种基于随机信号雷达的生命探测方法。

该方法利用随机调制信号进行发射和接收，通过信号处理技术提取出微弱的生命体征信号。

具体步骤如下：1. 发射随机调制信号：利用随机信号发生器产生随机调制信号，通过雷达天线发射到待探测区域。

2. 接收回波信号：雷达天线接收来自待探测区域的回波信号，包括目标反射的信号以及环境噪声。

3. 信号处理：对回波信号进行滤波、放大、采样等处理，提取出微弱的生命体征信号。

4. 目标检测与识别：通过模式识别等技术对提取出的信号进行分析，判断是否存在生命体征，并实现目标的检测与识别。

五、实验与分析为了验证本文提出的随机信号雷达生命探测方法的性能，我们进行了大量的实验。

实验结果表明，该方法在低信噪杂比环境下具有较高的探测性能和较低的误报率。

与传统的生命探测方法相比，该方法能够更准确地捕捉到微弱的生命体征信号，提高了生命探测的准确性和可靠性。

低信噪比条件下雷达对高速运动目标的检测方法
张放;徐磊
【期刊名称】《舰船电子对抗》
【年(卷),期】2022(45)2
【摘要】对高速运动的微弱目标进行长时间相干积累检测时,回波跨距离单元移动导致积累性能下降。

通过分析回波发生距离偏移的原因,在频域脉压后对相位进行校正使得回波对齐,信噪比得以改善。

以特征点提取的图像变换处理方法是一种非相干积累检测,可以从噪声图像中提取出目标的运动轨迹。

仿真验证了上述方法的有效性。

【总页数】5页(P57-61)
【作者】张放;徐磊
【作者单位】中国船舶集团有限公司第八研究院
【正文语种】中文
【中图分类】TN957.51
【相关文献】
1.低信噪比条件下SAR多目标检测方法
2.低信噪比条件下雷达目标微多普勒信息提取
3.一种低信噪比条件下点目标检测方法
4.低信噪比线性运动红外小目标检测方法
5.低信噪比下天基预警雷达空中目标相对运动参数估计方法
因版权原因，仅展示原文概要，查看原文内容请购买。

组网雷达中旋转目标微多普勒效应分析及三维微动特征提取李东伟;罗迎;张群;李天鹏【摘要】目标微动特征提取是当前研究的一个热点,在组网雷达技术中研究了旋转目标的徼多普勒效应,分别分析了组网雷达中不同信号形式下的目标微多普勒效应,并给出了其参数化表达.利用组网雷达的多视角特性,将不同信号形式下分布在不同位置的雷达获得的回波信号进行参数提取,通过构造多元非线性方程组,以提取的参数作为变量,进行目标3维微动参数解算,实现了目标3维微动特征的提取.仿真实验验证了所提算法的有效性.%The micro - motion feature extraction for micro - motion target has attracted great attention in recent years. The micro - Doppler (m - D) effect of rotating target is introduced in the netted radar techniques in the paper. The m - D effects are separately analyzed and the parameterized expressions are deduced in the netted radars that transmit different forms of signals. Making use of the multi - view of netted radar, the parameters of the radars different forms of echo signals those come from different locations are extracted, the three - dimensional micro -motion features are obtained by solving nonlinear multivariable equation systems. Simulation results validate the effectiveness of the proposed algorithm.【期刊名称】《空军工程大学学报（自然科学版）》【年(卷),期】2012(013)003【总页数】6页(P45-49,90)【关键词】组网雷达;微多普勒;三维微动特征;旋转目标【作者】李东伟;罗迎;张群;李天鹏【作者单位】空军工程大学防空反导学院,陕西三原,713800;空军工程大学信息与导航学院,陕西西安,710077;空军工程大学信息与导航学院,陕西西安,710077;空军工程大学防空反导学院,陕西三原,713800【正文语种】中文【中图分类】TN957随着电子技术的迅猛发展，雷达对抗愈演愈烈，空袭与防空已不再是单种兵器的对抗，而是空袭体系与防空体系的对抗，组网雷达[1]应运而生。

《面向低信噪杂比环境的随机信号雷达生命探测方法研究》篇一一、引言随着科技进步，生命探测技术的重要性逐渐凸显，特别是在灾后救援、搜索和救援（SAR）任务以及野生动物研究中。

面对复杂的环境，如低信噪杂比条件下的复杂环境，有效的生命探测方法显得尤为重要。

本文将重点研究面向低信噪杂比环境的随机信号雷达生命探测方法，旨在提高探测的准确性和可靠性。

二、随机信号雷达技术概述随机信号雷达技术是一种新型的雷达技术，其通过发射随机信号和接收回波信号进行目标探测。

相比于传统的雷达技术，随机信号雷达在低信噪杂比环境下具有更好的性能。

然而，在生命探测领域，由于目标微弱且环境复杂，随机信号雷达的探测效果仍需进一步提高。

三、低信噪杂比环境下的生命探测挑战在低信噪杂比环境下，随机信号雷达生命探测面临诸多挑战。

首先，背景噪声的干扰导致信号的识别和提取变得困难。

其次，目标微弱且动态变化，使得探测的准确性降低。

此外，复杂的环境因素（如地形、气象等）也会对探测效果产生影响。

四、随机信号雷达生命探测方法研究为了解决上述问题，本文提出了一种面向低信噪杂比环境的随机信号雷达生命探测方法。

该方法主要包括以下几个方面：1. 优化信号处理算法：通过改进信号处理算法，提高对回波信号的识别和提取能力。

例如，采用多尺度小波变换、自适应阈值等方法，对回波信号进行去噪和增强处理。

2. 目标特征提取与识别：通过分析回波信号的特征，提取出与目标相关的特征信息。

例如，利用生物体在回波信号中产生的微动特征、呼吸频率等生物特征进行目标识别。

3. 融合多源信息：将随机信号雷达与其他传感器（如红外传感器、声波传感器等）进行信息融合，提高探测的准确性和可靠性。

通过多源信息的互补和融合，实现对目标的准确探测和定位。

4. 优化系统参数：根据实际环境条件，优化随机信号雷达的系统参数，如发射功率、接收灵敏度等，以提高在低信噪杂比环境下的探测性能。

五、实验与分析为了验证本文提出的生命探测方法的性能，我们进行了实际环境下的实验和分析。