OFD LFMMIMO雷达中旋转目标微多普勒效应分析及三维微动特征提取

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。

基于EMD算法的空间自旋目标平动补偿与微动特征提取赵园青;池龙;马赛;王璐璐【期刊名称】《空军工程大学学报（自然科学版）》【年(卷),期】2013(014)005【摘要】针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法.对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用EMD算法分离出微多普勒曲线,提取微动特征.仿真实验验证了该方法的可行性与有效性.【总页数】4页(P40-43)【作者】赵园青;池龙;马赛;王璐璐【作者单位】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;空军工程大学信息与导航学院,陕西西安,710077;北京航空工程技术研究中心,北京,100076【正文语种】中文【中图分类】TN957.52【相关文献】1.基于微动目标主体信息的平动补偿方法 [J], 马启烈;鲁卫红;冯存前;牛超;章捷2.空间锥体目标的平动补偿与微动特征提取方法 [J], 韩勋;杜兰;刘宏伟3.基于压缩感知的自旋目标平动速度及周期估计算法 [J], 陈雁泳;邓振淼4.空间自旋目标平动补偿与微动特征提取方法 [J], 顾福飞;傅敏辉;凌晓冬;张印5.基于角多普勒效应的自旋目标微动特征提取 [J], 李瑞;李开明;张群;梁佳;罗迎因版权原因，仅展示原文概要，查看原文内容请购买。

含旋转部件目标微多普勒特征提取方法
李开明;张群;罗迎;朱丰
【期刊名称】《火力与指挥控制》
【年(卷),期】2011(036)011
【摘要】旋转和振动是目标微动中最常见的两种运动形式,目标微动会产生微多普勒现象,而微多普勒特征被认为是微动目标所具有的独一无二的特征,可以用来确定目标的性质,实现对目标的自动识别与分类.在线性调频信号体制下,运动补偿后利用含旋转部件目标在谱图域中的特殊表现形式,针对旋转半径的不同,分别使用不同的方法,有效地分离并提取目标的微多普勒特征,从而实现了微动目标的特征识别与分类,仿真验证了方法的有效性.
【总页数】4页(P106-109)
【作者】李开明;张群;罗迎;朱丰
【作者单位】空军工程大学电讯工程学院,西安710077;空军工程大学电讯工程学院,西安710077;复旦大学波散射与遥感信息国家教育部重点实验室,上海200433;空军工程大学电讯工程学院,西安710077;空军工程大学电讯工程学院,西安710077
【正文语种】中文
【中图分类】TN957
【相关文献】
1.基于复数局部均值分解的含旋转部件目标微多普勒分离技术 [J], 袁斌;徐世友;陈曾平
2.强杂波下含旋转部件的目标成像及微多普勒提取 [J], 罗迎;张群;封同安;金亚秋
3.含旋转部件的动态目标特征提取方法研究 [J], 张馨元;齐玉涛;林刚
4.基于变分模态分解的进动目标微多普勒特征提取方法 [J], 鲁逸杰;宫志华;张群;王剑钦;李开明
5.含旋转部件的动态目标ISAR成像及微多普勒特征提取 [J], 赵东涛;黄雁飞;齐玉涛
因版权原因，仅展示原文概要，查看原文内容请购买。

一种旋翼叶片微动特征提取新方法陈永彬;李少东;杨军;陈梁栋【摘要】The micro-Doppler(m-D) effect induced by the rotating motion of the rotor target can be used to extract the micro-motion signature exactly,which can provide an important basis for the accurate indentification of the target.Taking rotor blades as an example,a fast extraction method based on the autocorrelation function and the image domain is proposed in this paper.Firstly,based on the periodicity of the target's echo,it can realize the fast extraction of the rotation frequency by finding the correlation between the peak position of the echo autocorrelation function and the rotation frequency.Then,the edge information of the m-D signature is extracted in image domain.The position and initial phase of the scattering points are obtained by using the edge puter simulation verifies the effectiveness of the proposed method.%利用旋翼目标的旋转运动引起的微多普勒效应,实现目标微动特征的准确提取,可为目标的精确识别提供重要依据.该文以旋翼叶片为例,提出一种基于自相关函数和图像域的微动特征快速提取方法.首先基于目标的回波信号的周期性,利用回波自相关函数的图像峰值位置与目标旋转频率的关系,实现旋转频率的快速提取.然后在图像域提取目标微多普勒特征的边缘信息,通过边缘信息获得叶片散射点位置和初相信息.仿真结果验证了该方法的有效性.【期刊名称】《雷达科学与技术》【年(卷),期】2017(015)001【总页数】7页(P13-18,28)【关键词】相关性;图像域;旋翼叶片;特征提取【作者】陈永彬;李少东;杨军;陈梁栋【作者单位】空军预警学院三系,湖北武汉430019;空军预警学院三系,湖北武汉430019;空军预警学院三系,湖北武汉430019;空军预警学院三系,湖北武汉430019【正文语种】中文【中图分类】TN957.52通过对自旋等微动目标,如直升机旋翼、弹头进行特征参数提取,获得其结构、尺寸等物理特征,可为目标探测、识别提供重要的依据,因此应用微动特征识别目标成为近年来空间探测、反导防御等领域的研究热点[1-3]。

(19 )中华人民共和国国彖知识产权局
(21)申请号 CN201310217013.X
(22 )申请日 2013.06.04
(71)申请人四川大学
地址610065四川省成都市武侯区一坏路南一段24号
(72)发明人李智澎明金汪强
(74)专利代理删
代理人
(51) Inta
(54 )发明名称
基于微多普勒效应的微动目标特征提取方法
(57 )摘要
本发明提出一种基于微多普初效应的微动
目标特征提取方法，首先通过引入HHT 到微动目 标特征捉取中，针对HHT 在特征捉取的模态混叠 的问题，提出了基于降采样EMD 的HHT 算法，通 过对原始信号的降采样后得到的多组数据进行加 噪EMD 分解并求和平均，从而有效解决了 HHT 在 振动目标特征提取中的图谱模式混叠问题，不仅 抑制了原始信号的噪声，提高信噪比，还降低了 多组数据的EMD 运算复杂度，人人减少运算量， (12 )发明专利申请
权利要求说明书说明书幅图。

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。

OFD-LFM信号体制MIMO雷达运动目标HRRP合成方法黄旭华;李项军
【期刊名称】《空军工程大学学报（自然科学版）》
【年(卷),期】2012(013)005
【摘要】针对OFD-LFM信号体制MIMO雷达运动目标的高分辨距离像(HRRP)合成问题展开了相关的研究工作,首先给出了OFD-LFM信号体制MIMO高分辨雷达成像的几何关系图,在此基础上,通过严格的理论推导和详细的原理论述,提出了基于相位补偿的OFD-LFM信号体制MIMO雷达运动目标的HRRP合成方法,该方法利用了OFD-LFM信号中各子载波信号之间的正交性,可有效地合成出运动目标的HRRP.此外,还进一步分析了HRRP不发生卷绕的条件.仿真结果证明了本文方法的有效性.
【总页数】5页(P30-34)
【作者】黄旭华;李项军
【作者单位】空军工程大学防空反导学院,陕西西安,710051;95037部队,湖北武汉,430073;93942部队,陕西咸阳,712000
【正文语种】中文
【中图分类】TN957
【相关文献】
1.OFD-LFM MIMO雷达中目标部件振动的微多普勒效应分析 [J], 梁贤姣;张群;罗迎
2.基于OFD-LFM信号的MIMO雷达微多普勒效应分析 [J], 梁贤姣;张群;罗迎;叶蔚
3.OFD-LFM MIMO雷达中旋转目标微多普勒效应分析及三维微动特征提取 [J], 罗迎;张群;封同安;李松;梁贤姣
4.基于运动目标信号稳健特征的频率步进雷达距离像合成方法 [J], 朱永锋;赵宏钟;付强
5.OFD-LFM信号MIMO高分辨雷达一次快拍稀疏成像方法 [J], 朱丰;张群;罗迎;顾福飞;梁必帅;李开明
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。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910647077.0(22)申请日 2019.07.17(71)申请人 中北大学地址 030051 山西省太原市尖草坪区学院路3号(72)发明人 庞存锁　侯慧玲　韩焱　聂鹏飞　任福明　(74)专利代理机构 太原市科瑞达专利代理有限公司 14101代理人 赵禛(51)Int.Cl.G01S 7/41(2006.01)G01S 7/292(2006.01)(54)发明名称一种旋翼无人机的雷达微多普勒信号提取方法(57)摘要本发明涉及一种旋翼无人机的雷达微多普勒信号提取方法，属于目标信号检测技术领域，为了对旋翼无人机的回波信号进行时频分析，并提高运算的效率。

本方法首先对信号进行分数阶傅里叶变换处理，接着信号进行滤波处理；其次，对处理后的结果进行逆分数阶傅里叶变换、自然对数变换、傅里叶变换方法进行微多普勒信号频率参数的估计；最后，利用不同采样间隔处理方法实现多分量微多普勒信号的检测。

本发明可以大幅度降低机体多普勒频率对旋翼微多普勒频率的影响，同时可完成对多个微多普勒分量信号的快速检测，本发明在无人机分类和识别方面具有较大的应用价值。

权利要求书2页 说明书7页 附图6页CN 110389325 A 2019.10.29C N 110389325A1.一种旋翼无人机的雷达微多普勒信号提取方法，其特征在于包括以下步骤：S1：检测的无人机雷达回波信号的离散形式为：在公式(1)中，A0,A p,δp表示信号不同分量的幅度，单位为伏特，其中p∈[1,P]，P为总目标数；f0为机体回波信号频率，单位为赫兹；f p为不同旋翼回波信号微多普勒频率，单位为赫兹；k为机体回波信号调频率，单位为赫兹/秒；n为信号采样点数，n∈[1,N]，N为总点数，单位为个；T s为信号采样间隔，单位为秒；s noise为高斯白噪声；j代表虚部符号；S2：对步骤S1中公式(1)进行分数阶傅里叶变换，获得公式(2)如下：y2＝FRFT(y1) (2)；S3：对步骤S2中公式(2)结果进行最大值查询，记录最大值对应的频率点位置C，并将C 左右5点进行置零操作，获得公式(3)如下：y2(C-5:C+5)＝0 (3)；S4：对步骤S3中公式(3)进行分数阶逆傅里叶变换，并对其结果进行降采样处理，获得公式(4)、公式(5)如下：y3＝IFRFT(y2) (4)；y4＝y3(1:Δn:N)T s (5)；公式(5)中Δn为采样点间隔，单位为个；N为采样总点数，单位为个，T s为信号采样间隔，单位为秒；S5：对步骤S4中公式(5)进行自然对数变换，获得公式(6)如下：y5＝ln(y4) (6)；公式(6)中ln(·)为自然对数函数；S6：对步骤S5中公式(6)进行共轭运算和自然对数变换，并将变换后结果与公式(6)进行求和运算，获得公式(7)如下：y6＝y5+ln[conj(y4)] (7)；公式(7)中conj(·)为共轭函数；S7：将步骤S6中2y5的傅里叶变换与y6的傅里叶变换进行相减运算，获得公式(8)如下：y7＝FFT(2y5)-FFT(y6) (8)；S8：对步骤S7中公式(8)设置噪声门限TH，并对其进行逆傅里叶变换，获得公式(9)、公式(10)如下：y8＝IFFT(y7) (10)；公式(10)处理结果即为信号y1中微多普勒信号的时域形式。

外辐射源雷达目标旋转部件微动参数估计夏鹏;万显荣;易建新【摘要】大多数飞机目标具有旋转部件,对其微动参数进行估计可为雷达目标分类识别提供重要信息.外辐射源雷达因其体制上的特点,在微多普勒效应探测及其利用等方面具有独特优势.文中结合压缩感知理论提出了一种目标旋转部件微动参数估计新方法,该方法基于微多普勒信号内在特性来构造字典矩阵,将常规的微动参数估计问题转化为稀疏信号恢复问题.仿真与实测数据处理结果验证了所提方法的有效性和鲁棒性.【期刊名称】《电波科学学报》【年(卷),期】2016(031)004【总页数】7页(P676-682)【关键词】外辐射源雷达;旋转部件;微动参数估计;压缩感知【作者】夏鹏;万显荣;易建新【作者单位】武汉大学电子信息学院,武汉430072;武汉大学电子信息学院,武汉430072;武汉大学电子信息学院,武汉430072【正文语种】中文【中图分类】TN958.97DOI 10.13443/j.cjors.2015082101引言外辐射源雷达(又称无源雷达)是一种利用第三方发射的非合作照射源探测目标的新体制雷达系统,由于无需频率分配、无发射装置,因而具有绿色环保、研制和维护成本低、隐蔽性好、抗干扰能力强等诸多优势,近年来受到国内外学者的广泛重视[1-5],外辐射源雷达基础理论与关键技术取得了突破性进展. 目前,外辐射源雷达研究主要集中于目标的检测与跟踪,相比较而言,对非合作目标的分类与识别研究则处于起步阶段. 文献[6-7]利用高分辨一维距离像或二维逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)图像进行目标分类识别,但因外辐射源雷达所用机会照射源带宽通常较窄导致距离分辨性能不足. 文献[8]针对外辐射源雷达提出了一种基于目标雷达散射截面积(Radar Cross-Section,RCS)特征的飞机目标识别方法,由于RCS特征对目标姿态变化比较敏感,因而参考样本集需涵盖大范围的目标方位角,这往往导致大的计算负担.大多数飞机目标具有旋转部件(直升机旋转的叶片、固定翼飞机的旋转螺旋桨及喷气式飞机涡轮风扇等),这种由于旋转部件运动对雷达回波信号产生的附加频率调制,称为微多普勒效应[9]. 基于微多普勒特征的目标识别技术已被认为是雷达目标识别技术中最具发展潜力的技术之一. 外辐射源雷达由于其体制上的特点,在微多普勒效应探测及其利用方面具有得天独厚的优势和吸引力:1) 该体制雷达相干积累时间可以很长,从而可记录多个连续的回波闪烁,同时也提高了对低RCS微动目标的探测与识别能力;2) 采用连续波作为机会照射源可避免频率混迭;3) 收发分离的双基结构提供了采集目标信息更多的自由度,从而避免盲速,以及防止位于零点或较低位置上的单基RCS[9];4) 外辐射源雷达通常利用的外部辐射源信号带宽较窄,而微多普勒特征的开发利用不必要求距离高分辨,这一突出优点为低分辨雷达的目标分类识别提供了新途径.近年来,基于目标微动参数估计的空中目标识别技术相继被提出. 如文献[10-12]提出了在时频分析的基础上利用Hough变换、多目标跟踪等技术估计微动参数,但此类方法受限于时频分析工具的时频分辩能力,且当信噪比较低时,时频图上的正弦曲线并不明显,导致算法难以取得准确的结果. 文献[13]针对宽带雷达中微动散射点发生越距离单元走动及方位欠采样时的微动特征提取问题,提出了一种基于复图像正交匹配追踪分解的微动特征提取方法,但该方法基于理想散射点模型,忽略了旋转部件对回波的幅度调制作用,且由于原子集中原子数量很大,导致运算复杂. 外辐射源雷达所用机会照射源为连续信号且主要向地面辐射,直达波及多径杂波强;此外,发射天线波瓣对空中目标增益低,通过长时间相干积累来提高处理增益又会带来数据量巨大的挑战. 上述因素决定了外辐射源雷达微动参数估计方法需具备良好的抗噪性能,且运算量要小.为此，本文将压缩感知理论引入到外辐射源雷达目标旋转部件微动参数估计中，从而将复杂的微动参数估计问题转化为稀疏信号恢复问题，从仿真与实测数据分析两方面可以看出本文方法运算量小、抗噪性能强，且具有很高的精度.研究结果为解决外辐射源雷达目标分类识别问题奠定基础，具有重要的理论和实践意义.模型文献[9]得到了单基地雷达直升机旋转叶片的回波模型,然而在本文的旋转叶片信号模型中,还需考虑外辐射源雷达收、发分置的特殊空间结构的影响. 图1为直升机旋转叶片与双基雷达的位置关系示意图,假定基线中点位于空间固定坐标系(X,Y,Z)的原点O,双基地角为β,方位角为δ(定义为双基地角平分线与旋转平面的夹角). 不失一般性,假设旋转叶片在水平面内转动,叶片数为K,叶片长度为L,转动速率为ω,若不考虑目标主体运动及多径杂波的影响,则接收到的理想旋转叶片回波信号可表示为(φk(t))exp{-jφk(t)}.式中: A为散射信号幅度; 函数φk(t)为λ为波长,φk=φ0+k2π/K(k=0,1,2,…,K-1)为各叶片对应的初始旋转角.对式(1)中的相位函数φk(t)求时间导数,得第k个旋转叶片引起的瞬时多普勒频移为φk(t)).可以看出,由旋转引起的微多普勒频移与旋转部件参数(L, ω, φk)密切相关,因此,本文的目的就是要对该组微动参数进行估计.2006年,由Donoho与Candes等人提出的压缩感知理论[14]是一个充分利用信号稀疏性或可压缩性的全新信息获取与处理的理论框架. 典型的压缩感知理论的数学描述为s=Ψg.式中: s为M×1维的观测向量; Ψ为M×N维的字典矩阵; g是一个N×1维的K-稀疏(g中只有K个非零项)信号. 现在已有严格的数学证明,如果K≪M<N,对于式(4)中的观测模型,可通过以下约束优化问题从观测向量s中正确恢复出稀疏信号g:‖g‖0s.t.‖<ε.式中: ‖.‖0、‖.‖2分别表示L0和L2范数; ε表示误差允许量.本文提出利用压缩感知理论来估计目标旋转部件微动参数,为此,需将待估参数(L, ω, φk)在一定范围内进行离散化,设L∈(L1,…,Lp,…,LP),φk∈(φ1,…,φq,…,φQ),ω∈(ω1,…,ωi,…,ωI). 由于旋转部件中各叶片具有相同的转动速率,因此,可首先假定ω=ωi,从而将3个变量降低为2个变量,达到减小运算量的目的. 当ω=ωi时,基于(L, φk)的一系列离散化取值,式(1)可以表示成如下矩阵形式:s=Ψ(ωi)g(ωi).式中: s=[s(t1),s(t2),…,s(tM)]T是一个M×1维的向量;g(ωi)=[g(1),g(2),…,g(PQ)]T是一个PQ×1维的K-稀疏向量; Ψ(ωi)是一个M×PQ 维的矩阵.令a(tm,ωi,Lp,φq)= sinc(φ(tm,ωi,Lp,φq))·exp{-jφ(tm,ωi,Lp,φq)},其中,φ(tm,ωi,Lp,φq)为φ则字典矩阵Ψ(ωi)为Ψ(ωi)=[a(t1,ωi),a(t2,ωi),…,a(tM,ωi)]T.式中,a(tm,ωi)为根据压缩感知理论,对于式(6)中的数学模型,可通过求解以下约束优化问题得到稀疏向量g(ωi):‖g(ωi)‖0s.t. ‖<ε.关于稀疏向量g(ωi),根据字典矩阵中各原子(字典矩阵Ψ中的列向量)的构建方式可知,当且仅当(L, φk)取到真实值时,g(ωi)|p+(q-1)P才为非零值,从而实现对(L, φk)的估计. 对于ω的估计,可通过最小化恢复误差能量实现:‖式(11)中的L0最优问题可通过贪婪迭代类算法进行求解. 正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法[15]是经典贪婪算法之一,因其具有实现简单、运算速度很快、且重构性能好而广受推崇. OMP算法的基本思想是从字典矩阵Ψ(ωi)中选择与信号s最为匹配的原子来构建稀疏逼近,并求出信号的残差,然后继续选择与残差最为匹配的原子,经过一定次数的迭代后,信号可由一些原子线性表示. OMP算法在迭代过程中对已选定原子进行正交化以保证迭代的最优性,从而减少迭代次数. 具体实现过程为:1) 初始化,残差r0=s,原子索引集Λ0=ø,匹配原子集合A0=ø,迭代次数t=1;2) 寻找字典矩阵Ψ(ωi)中与残差最为匹配的原子索引,这里的ψj为矩阵Ψ(ωi)的第j列;3) 更新原子索引集合Λt=Λt-1∪{λt}及匹配原子集合At=[At-1ψλt];4) 求解优化问题‖s-Atgt(ωi)‖2,得最小二乘解5) 更新残差,6) 判断是否满足停止迭代条件,若不满足则t=t+1,转步骤2);若满足,则停止迭代. 在本文的外场实验中,我们用一台3叶片风扇来模拟目标旋转部件,本节将结合数字电视外辐射源雷达实验场景,对所提方法进行仿真验证. 仿真参数设置如下:发射信号载频为fc=658 MHz,叶片长度L=0.75 m,转动速率ω=280 rpm,初始转动角φk(k=0,1,2)分别为1.05 rad、3.14 rad和5.24 rad,双基地角β=30°,方位角δ=22°. 图2(a)为仿真的风扇叶片频谱,可见由旋转引起的多普勒频移是由一系列谱线组成的,其谱线条数为6,谱线间隔为14.06 Hz,微多普勒带宽为84.34 Hz. 图2(b)为(L, φk)的估计值,看以看出,3叶片初始转动角分别为1.02 rad、3.15 rad和5.27 rad,叶片长度估计值分别为0.73 m、0.71 m和0.73 m,估计值与真实值基本一致. 图2(c)为叶片转动速率ω的估计结果,可以看出当恢复误差能量最小时对应的转动速率为280 rpm,与真实值一致.图3进一步给出了回波中加入高斯白噪声且信噪比RSN=0 dB(微多普勒信号与噪声功率之比)时的仿真结果. 其中图3(a)为(L, φk)的估计值,可见3叶片初始转动角分别为1.02 rad、3.15 rad和5.27 rad,叶片长度估计值分别为0.73 m、0.71 m 和0.73 m,估计值与真实值基本一致. 图3(b)为叶片转动速率ω的估计结果,由于噪声功率较高,可以看出恢复误差能量存在一定波动,但当误差能量最小时,其对应的转动速率为280 rpm,与真实值一致. 以上仿真表明,该算法具有较好的抗噪性能. 5.1 实验环境和系统配置武汉大学利用新近研制的超高频(Ultrahigh Frequency,UHF)波段多通道外辐射源雷达探测系统于2014年8月上旬开展了目标微多普勒效应探测实验,实验场景和系统配置如图4所示. 图4(a)为实验收、发站点位置布局图,武汉数字电视采用单频网结构(各个发射站同时以相同频率发送相同节目内容,以实现对一定服务区的可靠覆盖),信号中心频率658 MHz,带宽8 MHz,发射功率1 kW,采用垂直极化. 接收站位于武汉大学电子信息学院实验中心楼顶. 图4(b)为接收区场景,一竖直面内转动的3叶片风扇用以模拟目标旋转部件,叶片长度0.75 m,实验时转速约为280～290 rpm;8单元均匀圆形阵列配置为监测通道.5.2 结果分析图5为所采集到的一组数据的处理结果,由于叶片转动周期大约为0.21 s,为了记录多个连续的回波闪烁,且能同时获得较大的信号处理增益,本组实验数据选择积累时间为0.5 s. 图5(a)为多径杂波抑制前的距离多普勒谱,由于实验地点位于市区中心,周边高大建筑物产生强的多径干扰,其次,单频网本身又是一个多径严重的无线环境,因此,图5(a)能提供的唯一信息就是在零多普勒处出现的强的多径杂波,而目标信息被完全掩盖.图5(b)为采用空域方法进行多径杂波抑制后的距离多普勒谱．可以看出,零多普勒处的多径杂波已得到有效抑制,此时,沿多普勒轴与零频对称呈周期出现了多次谐波副峰,且沿距离轴还存在扩展,这是因为风扇主体固定,旋转的风扇叶片在雷达回波中产生了额外的频率调制,表现在频谱上的特征就是在目标主体周围产生谐波谱线,其次,在单频网结构下,一个目标被多个照射源同时照射,产生多个同时的微多普勒特征将分布于不同的距离单元.图5(c)为其中某个距离单元位置处的频谱.可见，其频谱是由一系列谱线组成的，谱线条数为6，谱线间隔等于14.06 Hz，微多普勒带宽为81.52 Hz，对比图2(a)中的仿真结果可以发现，理论仿真与实测数据具有非常好的一致性.图5(d)为(L,φk) 的估计值，从图中可以看出：3叶片初始转动角φk(k=0,1,2)分别为1.23 rad、3.35 rad和5.37 rad，因为叶片初始转动角先验未知，但初始转动角度间隔为Δφ=120·π/180=2.09 rad，而估计初始转动角间隔分别为2.12 rad和2.02 rad，估计结果与理论值基本一致；叶片长度L估计值分别为0.86 m、0.77 m和0.86 m，估计值与真实值也基本一致.图5(e)为转动速率ω的估计值，最小恢复误差能量处对应的转动速率为269 rpm，估计值与真实值基本一致.本文提出了一种基于压缩感知的目标旋转部件微动参数估计方法. 在建立外辐射源雷达目标旋转部件信号模型的基础上,详细阐述了算法原理及处理流程,基于仿真实验结果验证了本文所提方法的有效性和良好的鲁棒性. 在此基础之上,从实验环境配置、实测数据分析等方面介绍了实验开展的情况,基于实测数据分析结果进一步证实了本文方法的有效性,这也从另一侧面证实了数字电视外辐射源雷达用于目标微多普勒效应探测的可行性. 后续工作将进一步针对直升机、螺旋桨飞机及喷气式飞机等实际空中目标旋转部件微多普勒效应开展探测实验以测试算法性能,并着重研究基于微动参数估计的外辐射源雷达目标识别方法. 相关工作将使得外辐射源雷达功能得到拓展,其整体性能也将得到提高.夏鹏 (1986-),男,安徽人,博士研究生,研究方向为外辐射源雷达成像及目标识别.万显荣 (1975-),男,湖北人,博士,武汉大学电子信息学院教授,博士生导师,研究方向为外辐射源雷达系统、高频雷达系统与雷达信号处理等.【相关文献】[1] WAN X R, YI J X, ZHAO Z X, et al. Experimental research for CMMB-based passiveradar under a multipath environment[J]. IEEE transactions on aerospace and electronic systems, 2014, 50(1): 70-85.[2] TAO R, WU H Z, SHAN T. Direct-path suppression by spatial filtering in digital television terrestrial broadcasting-based passive radar[J]. IET radar, sonar & navigation,2010, 4(6): 791-805.[3] 杨金禄, 单涛, 陶然. 数字电视辐射源雷达的相参积累徙动补偿方法[J]. 电子与信息学报, 2011, 33(2): 407-411.YANG J L, SHAN T, TAO R. Method of migration compensation in coherent integration for digital TV based passive radar[J]. Journal of electronics & information technology, 2011, 33(2): 407-411. (in Chinese)[4] 张各, 王俊, 刘玉春. 一种基于数字电视地面广播照射源的外辐射源雷达快速杂波相消算法[J]. 电子与信息学报, 2013, 35(1): 36-40.ZHANG G, WANG J, LIU Y C. A fast cancellation algorithm for DTTB-based passive radar system[J]. Journal of electronics & information technology, 2013, 35(1): 36-40.(in Chinese) [5] 关欣, 胡东辉, 仲利华, 等. 一种高效的外辐射源雷达高径向速度目标实时检测方法[J]. 电子与信息学报, 2013, 35(3): 581-588.GUAN X, HU D H, ZHONG L H, et al. An effective real-time target detection algorithm for high radial speed targets in passive radar[J]. Journal of electronics & information technology, 2013, 35(3): 581-588.(in Chinese)[6] WANG J Q, LI Y H, CHEN K.Radar high-resolution range profile recognition via geodesic weighted sparse representation[J]. IET radar, sonar & navigation, 2015, 9(1): 75-83.[7] PASTINA D, SPINA C. Multi-feature based automatic recognition of ship targets in ISAR[J]. IET radar, sonar & navigation, 2009, 3(4): 406-423.[8] PISANE J, AZARIAN S, LESTURGIE M, et al. Automatic target recognition for passive radar[J]. IEEE transactions on aerospace and electronic systems, 2014, 50(1): 371-392.[9] 吴顺君, 杜兰, 刘宏伟. 雷达中的微多普勒效应[M]. 北京: 电子工业出版社, 2013: 60-61.[10]LIU Y X, LI X, ZHUANG Z W. Estimation of micro-motion parameters based on micro-Doppler[J]. IET signal processing, 2010, 4(3): 213-217.[11]王璐, 刘宏伟. 基于时频图的微动目标运动参数提取和特征识别的方法[J]. 电子与信息学报, 2010, 32(8): 1812-1817.WANG L, LIU H W. Method for micro-motion target recognition and motion parameter extraction based on time-frequency analysis[J]. Journal of electronics & information technology, 2010, 32(8): 1812-1817.(in Chinese)[12]邵长宇, 杜兰, 李飞, 等. 基于多目标跟踪的空间锥体目标微多普勒频率提取方法[J]. 电子与信息学报, 2012, 34(12): 2972-2977.SHAO C Y, DU L, LI F, et al. Micro-Doppler extraction from space cone target based on multiple target tracking[J]. Journal of electronics & information technology, 2012, 34(12): 2972-2977. (in Chinese)[13]罗迎, 张群, 王国正, 等. 基于复图像OMP分解的宽带雷达微动特征提取方法[J]. 雷达学报, 2012, 1(4): 361-369.LUO Y, ZHANG Q, WANG G Z, et al. Micro-motion signature extraction method for wideband radar based on complex image OMP decomposition[J]. Journal of radars, 2012, 1(4): 361-369.(in Chinese)[14]DONOHO D L. Compressed sensing[J]. IEEE transactions on information theory, 2006, 52(4): 1289-1306.[15]TROPP J A, GILBERT A C. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE transactions on information theory, 2007, 53(12): 1289-1306.。

一种基于雷达微多普勒效应苍蝇识别的方法沈菲菲;李立钢;贾配洋;宋振健【摘要】In order to effectivelyidentify flies , this paper proposes an effective method of using radar micro-Doppler effect to recognize flies. Firstly , according to the basic concept of the micro-Doppler effect, the radar echo model of composite motion of a fly is established, then the radar echo signal and theory Doppler frequency is derived. A method of comprehensive application of the frequency analysis (pseudo Winger -Ville transform), the peak spectrum estimation, parameter fitting, motion compensation is proposed. Finally,the motion parameters of the fly during the flight are extracted. Including:flapping frequency vibration amplitude, velocity, and the acceleration.%为了有效地识别苍蝇,提出了利用雷达的微多普勒效应来识别的有效方法.首先,根据微多普勒效应的基本概念,建立了苍蝇飞行复合运动的雷达回波模型,推导了雷达回波信号和理论的多普勒频率,提出了综合运用时频分析(伪Winger-Ville变换)、谱图峰值估计、参数拟合、平动补偿的方法,最终提取出苍蝇在飞行过程中的运动参数,包括:振翅频率、振动幅度、运动速度、加速度.【期刊名称】《电子设计工程》【年(卷),期】2017(025)009【总页数】6页(P22-26,30)【关键词】微多普勒;复合运动;伪Winger-Ville变换;参数拟合;谱图峰值估计;平动补偿【作者】沈菲菲;李立钢;贾配洋;宋振健【作者单位】中国科学院国家空间科学中心,中国科学院复杂航天系统电子信息技术重点实验室,北京100190;中国科学院大学北京100049;中国科学院国家空间科学中心,中国科学院复杂航天系统电子信息技术重点实验室,北京100190;中国科学院国家空间科学中心,中国科学院复杂航天系统电子信息技术重点实验室,北京100190;中国科学院大学北京100049;中国科学院国家空间科学中心,中国科学院复杂航天系统电子信息技术重点实验室,北京100190;中国科学院大学北京100049【正文语种】中文【中图分类】TN95随着社会的发展，生活水平的提高，人们对食品安全越来越关注。

微动目标雷达特征提取、成像与识别研究进展
张群;胡健;罗迎;陈怡君
【期刊名称】《雷达学报》
【年(卷),期】2018(7)5
【摘要】微动目标的雷达特征提取、成像与识别技术是雷达目标精确识别领域极具发展潜力的研究方向之一。

该文首先简要阐述了微动的相关概念,然后综述了近年来微动目标回波建模、微动特征提取、微动目标成像以及基于微动特征的雷达目标分类与识别等方面的研究现状,并介绍了几种典型前沿应用,最后对微动目标雷达特征提取、成像与识别的研究发展趋势进行了展望。

【总页数】17页(P531-547)
【关键词】微动;微多普勒;特征提取;雷达成像;目标识别
【作者】张群;胡健;罗迎;陈怡君
【作者单位】空军工程大学信息与导航学院,西安710077;复旦大学电磁波信息科学教育部重点实验室,上海200433;中国人民解放军95633部队,邛崃611531;武警工程大学信息工程学院,西安710086
【正文语种】中文
【中图分类】TN957.51
【相关文献】
1.频率步进宽带雷达微动目标成像特征提取与分析 [J], 胡光;马怀诗;黄丹;殷丕磊
2.弹道目标宽带雷达干涉式三维成像与微动特征提取 [J], 胡健;罗迎;张群;孙玉雪;
胡超
3.太赫兹雷达目标微动特征提取研究进展 [J], 杨琪;邓彬;王宏强;秦玉亮
4.组网雷达中弹道目标微动特征提取与识别综述 [J], 冯存前;李靖卿;贺思三;张豪
5.空间旋转目标窄带雷达干涉式三维成像与微动特征提取 [J], 胡健;罗迎;张群;康乐;何其芳
因版权原因，仅展示原文概要，查看原文内容请购买。