一种基于多普勒径向加速度的鸟类振翅频率提取方法技术

本发明专利技术属于雷达技术领域，具体涉及一种基于多普勒径向加速度的鸟类振翅频率提取方法。本发明专利技术首先利用维特比算法对时频分析结果的瞬时频率轨迹进行跟踪，动态搜索最佳路径从而有效提取信号瞬时频率；接着进行差分处理，将瞬时多普勒信息转化为多普勒径向加速度；最后通过设置自适应门限，统计鸟类的扑翼次数，从而实现鸟类的振翅频率提取。本发明专利技术提出一种基于多普勒径向加速度的鸟类振翅频率提取方法，该方法为鸟类振翅频率提取提供了一种有效手段。相比于现有的鸟类振翅频率提取方法，本方法可大幅提高低信噪比情况下的鸟类振翅频率提取成功率和精度，将有助于雷达的鸟类目标识别。别。别。

【技术实现步骤摘要】
一种基于多普勒径向加速度的鸟类振翅频率提取方法


[0001]本专利技术属于雷达
，具体涉及一种基于多普勒径向加速度的鸟类振翅频率提取方法。

技术介绍

[0002]雷达识别鸟类对于鸟类迁徙研究、环境影响评估(如风电场)、飞机安全和雷达气象学非常重要，振翅频率是雷达进行鸟类目标识别的重要参数之一。鸟类回波的典型模式是信号强度的周期性波动，这是由翅膀拍打引起的身体形状变化引起的。目前，基于鸟类回波反映的不同振翅模式可以实现某些鸟类目标类群的分类，如雀形目、鸣禽、涉禽。每种鸟类在连续扑翼时都有特定的扑翼频率，因此，若要进一步提升鸟类目标的识别率，准确获取鸟类回波的振翅频率至关重要。
[0003]在雷达观测中，通常可以对鸟类回波进行谱分析获取振翅频率。目前在生物雷达领域中用于振翅频率的主要方法是对回波进行时频分析，提取瞬时多普勒频率最大值并进行快速傅里叶变换(Fast Fourier transform，FFT)。由于鸟类的飞行姿态、轨迹复杂，在雷达实际观测时目标的回波信噪比普遍较低，导致该方法的振翅频率提取精度不高，主要原因如下：(1)低信噪比的时频分析结果往往产生频谱混叠和路径分叉的问题；(2)频谱分析(FFT)受噪声影响较大，振翅频率提取正确性不高。
[0004]综上所述，若能通过动态搜索最符合实际的时频路径，并准确地统计观测鸟类的扑翼次数，将克服现有方法存在的问题，提高振翅频率提取精度。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于多普勒径向加速度的鸟类振翅频率提取方法，通过借鉴图论中的边缘检测，首先利用维特比算法对时频分析结果的瞬时频率轨迹进行跟踪，动态搜索最佳路径从而有效提取信号瞬时频率；接着进行差分处理，将瞬时多普勒信息转化为多普勒径向加速度；最后通过设置自适应门限，统计鸟类的扑翼次数，从而实现鸟类的振翅频率提取。
[0006]本专利技术的技术解决方案是：
[0007]一种基于多普勒径向加速度的鸟类振翅频率提取方法，包括如下步骤：
[0008]步骤一、对鸟类雷达回波进行时频分析，获取鸟类的微多普勒谱图，基于维特比算法，提取鸟类的微多普勒谱图的瞬时多普勒频率曲线；
[0009]步骤二、对步骤一提取的瞬时多普勒频率曲线进行差分处理并平滑滤波后，得到径向加速度曲线；
[0010]步骤三、统计步骤二得到的径向加速度曲线在门限值以上的峰值点个数，将该峰值点个数作为当前鸟类雷达回波的鸟类扑翼次数；所述的步骤三中，门限值为步骤二得到的径向加速度曲线的峰值最大值的0.3倍；
[0011]步骤四、根据步骤三得到的当前鸟类雷达回波的鸟类扑翼次数除以当前鸟类雷达
回波的时长，得到鸟类振翅频率。
[0012]所述的步骤一中，基于维特比算法，提取鸟类的微多普勒谱图的瞬时多普勒频率曲线时，利用维特比算法从鸟类的微多普勒谱图中搜索最佳路径从而提取瞬时多普勒频率曲线，最佳路径即鸟类的微多普勒谱图的瞬时多普勒频率曲线要求：(i)每个时刻的瞬时多普勒频率对应的时频点的幅值要尽可能大；(ii)两相邻时刻的瞬时多普勒频率变化不会太大，瞬时多普勒频率曲线比较平滑；
[0013]所述的最佳路径f(n)为：
[0014][0015]其中，n表示时刻，n∈[n1,n2]，n1与n2之间所有的路径为K，k(n)表示某一条路径，n1为时频分析的起始时刻，n2为时频分析的终止时刻；
[0016]TF(
·
)表示对鸟类雷达回波进行时频变换，h(x)是最佳路径要求(i)所对应的惩罚函数，g(x,y)是最佳路径要求(ii)所对应的惩罚函数；
[0017]将鸟类的微多普勒谱图中n时刻的时频幅值TF排列成非递增序列为：
[0018]TF(n,f1)≥TF(n,f2)≥...≥TF(n,f
j
)≥...≥TF(n,f
Q
)
[0019]其中，j表示序列中的位置，Q为信号频率点的个数，且j＝1,2,...,Q；
[0020]根据要求(i)，每个时刻的瞬时多普勒频率对应的时频点的幅值要尽可能大，因此定义惩罚函数h(x)为：
[0021]h(TF(n,w
j
))＝j
‑1[0022]根据要求(ii)，两相邻时刻的瞬时多普勒频率变化不会太大，因此定义惩罚函数g(x,y)为：
[0023][0024]其中，c为惩罚因子，Δ为相邻点间瞬时频率变化的最大期望值，即时频变换的频率分辨率；x、y为两相邻时刻的瞬时多普勒频率；
[0025]所述的步骤二中，径向加速度曲线的获取方法为：
[0026]首先，基于径向速度与多普勒频率，将如步骤一获得的瞬时多普勒频率曲线转化为径向速度曲线，径向速度与多普勒频率的转换公式为：
[0027][0028]式中，f
d
为每个时刻的瞬时多普勒频率，λ为雷达信号的波长，v为目标相对雷达的径向速度，接着，对径向速度曲线进行差分处理，并除以时频曲线的时间间隔，得到径向加速度曲线，最后，对径向加速度曲线进行平滑滤波操作；
[0029]所述的步骤三中，经步骤二获取径向加速度曲线之后，统计径向加速度峰值的最大值，并将门限值定为径向加速度曲线的峰值最大值的0.3倍，即：
[0030]Thr＝0.3*max(a)
[0031]式中，max(a)为径向加速度峰值的最大值，Thr为设置的门限值；
[0032]接着，统计径向加速度曲线在门限值以上的峰值点个数，将该峰值点个数作为当
前鸟类雷达回波的鸟类扑翼次数N；
[0033]所述的步骤四中，将当前鸟类雷达回波的鸟类扑翼次数N除以鸟类雷达回波的时长T，即可计算鸟类的真实振翅频率f
w
：
[0034][0035]所述的步骤一中，惩罚因子c定义为2.5，Δ定义为2个连续点之间瞬时频率变化的最大期望值，即时频分析的频率分辨率；
[0036]所述的步骤二中，将瞬时多普勒曲线转化为径向速度曲线，然后通过差分处理，并除以时频分析的时间分辨率，得到多普勒径向加速度
[0037]所述的步骤三中，将动态门限的值定为多普勒径向加速度最大值的0.3倍。
[0038]有益效果
[0039](1)本专利技术公开了一种基于多普勒径向加速度的鸟类振翅频率提取方法；该专利技术可大幅提高低信噪比情况下的鸟类振翅频率提取成功率和精度，将有助于雷达的鸟类目标识别；
[0040](2)本专利技术首先利用维特比算法对时频分析结果的瞬时频率轨迹进行跟踪，动态搜索最佳路径从而有效提取信号瞬时频率；接着进行差分处理，将瞬时多普勒信息转化为多普勒径向加速度；最后通过设置自适应门限，统计鸟类的扑翼次数，从而实现鸟类的振翅频率提取。
[0041](3)本专利技术提出一种基于多普勒径向加速度的鸟类振翅频率提取方法，该方法为鸟类振翅频率提取提供了一种有效手段。
[0042](4)相比于现有的鸟类振翅频率提取方法，本方法可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多普勒径向加速度的鸟类振翅频率提取方法，其特征在于包括如下步骤：步骤一、对鸟类雷达回波进行时频分析，获取鸟类的微多普勒谱图，基于维特比算法，提取鸟类的微多普勒谱图的瞬时多普勒频率曲线；步骤二、对步骤一提取的瞬时多普勒频率曲线进行差分处理并平滑滤波后，得到径向加速度曲线；步骤三、统计步骤二得到的径向加速度曲线在门限值以上的峰值点个数，将该峰值点个数作为当前鸟类雷达回波的鸟类扑翼次数；步骤四、根据步骤三得到的当前鸟类雷达回波的鸟类扑翼次数除以当前鸟类雷达回波的时长，得到鸟类振翅频率。2.根据权利要求1所述的一种基于多普勒径向加速度的鸟类振翅频率提取方法，其特征在于：所述的步骤一中，基于维特比算法，提取鸟类的微多普勒谱图的瞬时多普勒频率曲线时，利用维特比算法从鸟类的微多普勒谱图中搜索最佳路径从而提取瞬时多普勒频率曲线，最佳路径即鸟类的微多普勒谱图的瞬时多普勒频率曲线。3.根据权利要求2所述的一种基于多普勒径向加速度的鸟类振翅频率提取方法，其特征在于：所述的最佳路径要求：(i)每个时刻的瞬时多普勒频率对应的时频点的幅值要尽可能大；(ii)两相邻时刻的瞬时多普勒频率曲线平滑。4.根据权利要求3所述的一种基于多普勒径向加速度的鸟类振翅频率提取方法，其特征在于：所述的最佳路径f(n)为：其中，n表示时刻，n∈[n1,n2]，n1与n2之间所有的路径为K，k(n)表示某一条路径，n1为时频分析的起始时刻，n2为时频分析的终止时刻；TF(
·
)表示对鸟类雷达回波进行时频变换，h(x)是最佳路径要求(i)所对应的惩罚函数，g(x,y)是最佳路径要求(ii)所对应的惩罚函数。5.根据权利要求4所述的一种基于多普勒径向加速度的鸟类振翅频率提取方法，其特征在于：根据要求(i)，每个时刻的瞬时多普勒频率对应的时频点的幅值要尽可能大，惩罚函数h(x)为：h(TF(n,w
j<...

【专利技术属性】
技术研发人员：李卫东，张帆，叶子涵，王锐，胡程，
申请(专利权)人：北京理工大学前沿技术研究院，
类型：发明
国别省市：