一种基于雷达缺失采样的微动信号分离方法技术

本发明专利技术涉及一种基于雷达缺失采样的微动信号分离方法，本发明专利技术首先建立缺损采样的窄带雷达微动信号回波模型，其次将信号模型转换成稀疏正则化模型并通过软阈值迭代算法(ISTA)求解得到重构的时频分布，然后提取重构时频谱的极大值点，并将极大值点关联问题定义为指派问题，通过卡尔曼滤波和匈牙利算法求解该问题得到瞬时频率轨迹，最后，采用本征线性调频分量分解(ICCD)算法分离弹道目标上每个散射点的微动回波信号。相对于传统的时频滤波组分解方法，能够较好地分解在时频域交叉重叠的信号分量，且更适用于雷达采样缺损条件下的微动信号分解。

【技术实现步骤摘要】
一种基于雷达缺失采样的微动信号分离方法
本专利技术属于雷达信号处理领域，具体涉及一种基于雷达缺失采样的微动信号分离方法，用于窄带雷达复杂电磁环境下的弹道目标微动特征提取。
技术介绍
在雷达探测弹道目标场景下，弹道导弹在飞行过程中除了平动飞行以外，同时会绕自身对称轴做自旋运动并有可能绕某一定向轴作锥旋运动，这些精细的运动会对雷达回波产生除平动多普勒以外的附加频率调制，这一现象被称作微多普勒效应，为目标识别和雷达成像的研究提供了有效信息。在过去的十年中，窄带雷达弹道目标微动特征提取已得到了深入的研究。在实际应用中，雷达回波采样的缺损和微动信号在时频域交叠已经成为阻碍微动特征有效提取的两个突出问题。在回波受到强干扰期间，采样的数据不得不被丢弃以免影响后续的数据处理，当雷达出现故障和异常值时也会影响回波信号的有效采集。文献1(X.Bai,F.Zhou,andY.Hui,ObtainingJTF-signatureofspace-debrisfromincompleteandphase-corruptedData[J].IEEETrans.Aerosp.Electron.Syst.2017,53(3):1169-1180,June2017.doi:10.1109/TAES.2017.2667899.)利用一种非参数联合时频字典从损坏的微动信号中重构出聚焦良好的时频分布，但是没有提供针对具有多散射点微动目标信号的提取方法。多散射点微动目标的信号提取实质上可以当作多分量微动信号分解问题处理，一般情况下，基于多分量微动信号分解的参数化方法都会提前设定微动的瞬时多普勒频率多项式曲线或者正弦曲线模型，但是弹道目标微动信号有可能呈现出更为复杂的调制特性(例如滑动散射点的回波信号)，需要设置多个参数来拟合调制特性，从而增加了算法的复杂度。而大多数非参数化的方法，例如变分模态分解、结合短时傅里叶变换的同步挤压变换、稀疏短时傅里叶变换，都无法处理微动信号在时频域出现交叠的情况，然而弹道目标的多分量微动信号在时频域常常出现交叠的情况。文献2(Y.Wang,X.HuangandR.Cao,NovelApproachforISARCross-RangeScalingBasedontheMultidelayDiscretePolynomial-PhaseTransformCombinedWithKeystoneTransform[J].IEEETrans.Geosci.RemoteSens.,2020,58(2):1221-1231.doi:10.1109/TGRS.2019.2944674.)提出一种岭迹重排的方法提取时频域的瞬时频率曲线，并结合本征线性调频分量分解(ICCD)算法有效分解了在时频域分解重叠的微动信号，但是在时频分布因采样缺损出现散焦和缺损的情况下，岭迹重排算法无法有效运行；短时变分模态分解(STVMD)算法可以在瞬时频率不规则调制和低信噪比情况下正确分解具有交叠状态的微动信号，但是当微动信号在时频域完全重叠时，分解效果不佳。
技术实现思路
要解决的技术问题针对上述现有技术在雷达采样缺失场景下无法有效的实现微动信号分解的问题，本专利技术提出了一种基于雷达缺失采样的微动信号分离方法。技术方案一种基于雷达缺失采样的微动信号分离方法，其特征在于步骤如下：步骤1：建立缺损采样的窄带雷达微动信号回波模型：s＝BGf+n其中G是HQ的伪逆矩阵，H是傅里叶变换矩阵，Q是滑动的窗函数，B是表示信号缺损的对角矩阵，n＝[η(1),...η(n),...η(N)]T是加性噪声；f是时频表征；步骤2：将信号回波模型转换成稀疏正则化模型：其中||·||1表示1范数运算符；步骤3：通过软阈值迭代算法ISTA求解稀疏正则化模型得到重构的时频分布：ISTA是一种近端梯度下降法，邻近算子为其中是函数处的梯度，μ>0是步长，邻近算子可以被软阈值函数代替：其中λ1＝0.01，soft(z,λ1)是软阈值函数：soft(z,λ1)＝sign(z)max{0,|z|-λ1}通过软阈值迭代法，得到了缺失采样条件下的稀疏、去噪且锐化的时频谱分布；步骤4：提取重构时频谱的极大值点，将重构的时频谱分布f取模并重排为由N个时刻频谱组成的时频图TF(t,f)；TF(t,f)中极大值点的位置坐标为qt,g(t)＝(t,fg(t))，其中t＝t0,...,tN-1，fg(t)代表第t时刻的第g(t)个极值点在频谱上的坐标，t时刻的频谱总共有G(t)个极值点；所述的极大值点的坐标qt,g(t)由下式得到其中α代表阈值参数；为了避免交叉点附近极值点对后续算法的影响，采用下式消除交叉点的极值点|fg(t)-fg_other(t)|≥df其中fg_other(t)代表第t个频谱除了g(t)以外的其他极大值点在频谱上的位置，将不满足上式的极大值点剔除，得到qt,g(t)；步骤5：通过卡尔曼滤波和匈牙利算法相结合的多目标跟踪算法将时频平面的极大值点关联成每个散射点的瞬时频率轨迹；选取G(tm)＝P时刻的极大值点作为卡尔曼滤波的初始测量值，第k个散射点瞬时频率轨迹在tm+1时刻的预测值为其中代表速度，dt＝1/fs，fs代表采样频率；则第k个散射点在tm+1时刻的平滑值为其中和分别代表过程噪声和观测噪声；测量值是通过选取tm+1时刻的极值点得到的；本质上将G(tm+1)个测量值分配到P个瞬时频率轨迹可以被构造为一个指派问题；如果G(tm+1)＝P，该指派问题是平衡指派问题，数学模型可表示为其中ygk＝0代表第g(tm+1)个测量值与第k测量值不匹配，ygk＝1代表g(tm+1)个测量值与第k测量值匹配；指派问题的核心问题是如何构造效率矩阵，其效率矩阵Cm+1可以通过高斯核密度函数构造：其中通过匈牙利算法求解平衡指派问题，因为雷达接收的信号是缺损采样且受噪声干扰，所以会出现G(tm)≠P的情况；当G(tm+1)<P时数学模型所描述的问题是一个非平衡指派问题，可以通过“虚设变量”的方法变为平衡指派问题，虚设P-G(tm+1)个测量值，并对效率矩阵Cm+1添加P-G(tm+1)行零元素，转换得到的平衡指派问题依然可以通过匈牙利算法求解，而与虚设测量值匹配的瞬时频率轨迹在该时刻的测量值则采用卡尔曼滤波的预测值，即其中b代表与虚设测量值匹配的瞬时频率轨迹ID号；当G(tm+1)＝0或者G(tm+1)>P时，P个瞬时频率轨迹在该时刻的测量值采用卡尔曼滤波的预测值，即第k个瞬时频率轨迹可以由平滑值表示，即fk(t)＝zt,k；步骤6：采用本征线性调频分量分解ICCD算法分离弹道目标上每个散射点的微动回波信号。优选地：步骤4中df＝N/20，N为信号采样的点数机离散信号的长度。优选地：步骤5中N为信号采样的点数机离本文档来自技高网...

【技术保护点】
1.一种基于雷达缺失采样的微动信号分离方法，其特征在于步骤如下：/n步骤1：建立缺损采样的窄带雷达微动信号回波模型：/ns＝BGf+n/n其中G是HQ的伪逆矩阵，H是傅里叶变换矩阵，Q是滑动的窗函数，B是表示信号缺损的对角矩阵，n＝[η(1),...η(n),...η(N)]

【技术特征摘要】
1.一种基于雷达缺失采样的微动信号分离方法，其特征在于步骤如下：
步骤1：建立缺损采样的窄带雷达微动信号回波模型：
s＝BGf+n
其中G是HQ的伪逆矩阵，H是傅里叶变换矩阵，Q是滑动的窗函数，B是表示信号缺损的对角矩阵，n＝[η(1),...η(n),...η(N)]T是加性噪声；f是时频表征；
步骤2：将信号回波模型转换成稀疏正则化模型：



其中||·||1表示1范数运算符；
步骤3：通过软阈值迭代算法ISTA求解稀疏正则化模型得到重构的时频分布：
ISTA是一种近端梯度下降法，邻近算子为



其中是函数在处的梯度，μ>0是步长，邻近算子可以被软阈值函数代替：



其中λ1＝0.01，soft(z,λ1)是软阈值函数：
soft(z,λ1)＝sign(z)max{0,|z|-λ1}
通过软阈值迭代法，得到了缺失采样条件下的稀疏、去噪且锐化的时频谱分布；
步骤4：提取重构时频谱的极大值点，将重构的时频谱分布f取模并重排为由N个时刻频谱组成的时频图TF(t,f)；TF(t,f)中极大值点的位置坐标为qt,g(t)＝(t,fg(t))，其中t＝t0,...,tN-1，fg(t)代表第t时刻的第g(t)个极值点在频谱上的坐标，t时刻的频谱总共有G(t)个极值点；所述的极大值点的坐标qt,g(t)由下式得到



其中α代表阈值参数；为了避免交叉点附近极值点对后续算法的影响，采用下式消除交叉点的极值点
|fg(t)-fg_other(t)|≥df
其中fg_other(t)代表第t个频谱除了g(t)以外的其他极大值点在频谱上的位置，将不满足上式的极大值点剔除，得到qt,g(t)；
步骤5：通过卡尔曼滤波和匈牙利算法相结合的多目标跟踪算法将时频平面的极大值点关联成每个散射点的瞬时频率轨迹；
选取G(tm)＝P时刻的极大值点作为卡尔曼滤波的初始测量值，第k个散射点瞬时频率轨迹在tm+1时刻的预测值为



其中代表速度，dt＝1/fs，fs代表采样频率；则第k个散射点在tm+1时刻的平滑值为



其中和分别代表过程噪声和观测噪声；测量值是通过选取tm+1时刻的极值点得到的；本质上将G(tm+1)个测量值分配到P个瞬时频率轨迹可以被构造为一个指派问题；如果G(tm+1)＝P，该指派问题是平衡指派问题，数学模型可表示为






其中ygk＝0代表第g(tm+1)个测量值与第k测量值不匹配，ygk＝1代表g(tm+1)个测量值与第k测量值匹配；指派问题的核心问题是如何构造效率矩阵，其效率矩阵Cm+1可以通过高斯核密度函数构造：



其中
通过匈牙利算法求解平衡指派问题，因为雷达接收的信号是缺损采样且受噪声干扰，所以会出现G(tm)≠P的情况；当G(tm+1)<P时数学模型所描述...

【专利技术属性】
技术研发人员：王欢，张群，李开明，袁航，罗迎，康乐，梁佳，
申请(专利权)人：中国人民解放军空军工程大学，
类型：发明
国别省市：陕西;61