[发明专利]基于超分辨多普勒谱的地面运动目标稳健分类方法

说明书

技术领域

本发明属于雷达技术领域，涉及目标分类方法，可用于对具有机动部件的运动车辆目标进行分类。

背景技术

在雷达目标分类和识别领域中，由于轮式和履带式车辆在战场环境下的分工不同，对轮式和履带式车辆进行分类具有重要意义。通常情况下，运动车辆目标的雷达回波中含有大量地物杂波，由于多普勒效应，目标会在多普勒域中偏离零频率的位置出现。由此可以实现运动目标和静止地物杂波的分离。同时，目标的多普勒谱还提供了目标自身的运动信息，利用这些信息可以实现对目标的分类和识别。

自微多普勒概念引入雷达后，对不同微动形式产生的微多普勒现象的研究，深化了人们对机动部件多普勒谱调制现象的认识，使得从目标回波的多普勒信息中提取有利于分类和识别的特征有了新的途径。车辆是典型的具有机动部件的目标，且由于车轮和履带具有不同的微运动形式，使得在运动车辆目标分类领域，有可能取代传统的人工操作模式，实现雷达的自动目标分类。

在车辆目标运动时，目标的平动速度决定了其谱峰位置和谱宽。当平动速度较大时，目标谱峰离0频率较远，且谱宽较宽；当平动速度较小时，目标谱峰靠近0频率，且谱宽较窄。对于车辆目标分类，由于目标具有上述性质，杂波抑制处理不但要求能去除杂波成分，还要求对目标信号尽可能的保留。现有常用的雷达杂波抑制技术为动目标显示，即MTI滤波器。由于MTI滤波器的频率幅度响应是非线性的，因此当目标平动速度变化较大时使用MTI抑制杂波会对信号产生较大影响。其次，现有的地面运动目标分类方法通常只考虑了高信噪比条件下的分类情况，在地面运动目标分类的实际应用中，由于目标距雷达距离通常较远，导致回波信噪比较低。因而现有方法对于低信噪比条件下的分类性能较差。最后，现有的谱分析技术，例如傅立叶变换的分辨率在短驻留时间条件下通常较低。当目标平动速度较低时，目标谱峰接近0频率，大量微多普勒被压缩在0频率和谱峰位置之间。由于分辨率不足，导致现有技术难以将这些微多普勒信息准确表达。由于现有方法在上述杂波和噪声抑制以及低分辨率方面存在的问题，导致现有方法在低信噪比条件下对地面运动目标的分类性能较差。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于超分辨多普勒谱的地面运动目标稳健分类方法，以实现对目标回波信号中的杂波和噪声进行自适应抑制，同时对目标的多普勒谱进行超分辨处理，提高低信噪比条件下对地面运动目标的分类性能。

实现本发明目的的技术方案，包括如下步骤：

1）对地面运动目标的慢时间回波信号s={s₁,s₂,...,s_N}进行傅立叶变换，得到慢时间回波信号s的多普勒谱f={f₁,f₂,...,f_M}，其中s_n为慢时间回波信号s第n点的值，n=1,2,...,N，N为脉冲积累数，f_m为慢时间回波信号的多普勒谱f第m点的值，m=1,2,...,M，M为傅立叶变换点数；

2）在慢时间回波信号的多普勒谱f中搜索峰值位置p，利用峰值位置p确定地面运动目标在慢时间回波信号的多普勒谱f中所占的谱宽为：利用谱宽之外的频点估计噪声能量ε；

3）从含有地面运动目标的距离单元的邻近距离单元中获取仅含杂波的回波信号，以得到杂波的自相关矩阵的估计值：其中代表第β次仅含杂波的时域回波信号，L为用于估计杂波的自相关矩阵的信号数，H代表共轭转置运算：

4）利用杂波的自相关矩阵的估计值对慢时间回波信号s中的杂波成分进行抑制，得到抑制杂波后的信号

5）构造傅立叶基字典：B={B₁,B₂,...,B_M}，其中代表傅立叶基字典的第m列，式中，exp(·)表示指数函数，j代表虚数单位，n=0,1,...,N-1，m=1,2,...,M；

6）利用傅立叶基字典B对抑制杂波后的信号y进行重构，即在重构误差e=y-Ba的l₂范数小于噪声能量ε的条件下，求解得到具有最小l₁范数的超分辨多普勒谱a；

7）对超分辨多普勒谱a提取以下四种特征：