[发明专利]基于微多普勒效应的微动目标特征提取方法

说明书

技术领域

本发明涉及一种微多普勒效应的微动目标特征提取方法，适用于非接触的目标检测和识别领域。 

背景技术

当探测器与被测目标间存在相对运动时便会产生多普勒频移, 此现象称为多普勒效应。除相对运动外，目标自身还有其他运动如直升飞机螺旋桨的转动，轮船上旋转的雷达天线等小幅振动或转动。由自身的附加运动引起的信号频率的展宽现象，即微多普勒效应。表现在频谱上就是存在频谱旁瓣或展宽，这种旁瓣或展宽表征了微动目标本身特有的参数数据，如反映了目标的电磁特性、几何机构和运动特征，为目标特征提取和目标识别提供了新的途径。V.C.Chen对点散射体的振动和刚体目标的旋转所产生的微多普勒进行了微动建模、理论推导和仿真技术，给出了四种单一微动（振动、旋转、翻转和锥旋）的微多普勒时频特征，并从以下雷达实验数据中成功提取出相应的微多普勒时频特征。 

基于微多普勒效应的目标探测可以帮助人们完成复杂环境的判断和分析，为微动动目标的快速探测和精确识别提供有力保障。基于激光微多普勒效应的振动目标识别的前提是回波信号的特征参数的精确提取。在现在的微多普勒特征提取中，大部分使用的传统的时频分析方法，比如短时傅里叶变换、WVD、SPWVD等，这些时频分析方法存在时域和频域的分辨率问题或者核函数的选择问题，对于微多普勒的特征提取存在很大的缺陷，因此需要一种更好的微多普勒特征提取的方法，能够很好的对微多普勒特征参数进行提取。 

发明内容

该发明的目的是克服传统时频分析方法在微多普勒特征提取中的不足，提出基于降采样EMD的希尔伯特黄变换（HHT）和峰图谱值的微多普勒特征提取模型。 

该发明首先通过引进HHT到微多普勒的特征中，HHT由EMD和Hibert变换两部分，由于EMD存在模式混叠问题，对其进行改进，得到基于降采样EMD的HHT。通过对微多普勒信号进行降采样，得到多种的微多普勒数据，然后分别多每组数据添加相应的高斯噪声和EMD变换，最后进行求和平均，得到微多普勒信号的本征模态函数（IMF）。再分别对本征模态函数（IMF）进行Hilbert谱分析以及传统时频变换加谱图峰图谱值估计，进而对微多普勒特征参数进行估计和提取。 

附图说明

图1是本发明的基于降采样EMD的HHT和峰值谱图估计的微多普勒特征提取模型图； 

图2是本发明的改进的降采样EMD计算流程图。

具体实施方式

所述的基于改进的降采样EMD的HHT和峰值谱图估计的微多普勒特征提取方法描述如下： 

输入: 采集得到的微多普勒数据 ; 

输出: 基于微多普勒的振动目标的平动速度、微动幅值、微动频率等特征参数； 

阶段1：

   （1）将原始振动目标微多普勒数据进行降采样的EMD分解；

   （2）对得的多组IMF进行整体平均，得到供阶段2处理的IMF。

   

    阶段2：

(1) 将阶段1得到的IMF分别进行Hilbert变换，求得相应的Hilbert时频谱；

（2）对时频谱估算微动目标的平动速度、微动幅值、微动频率等特征参数；

（3）将阶段1中的IMF进行传统时频变换（STFT、WVD、SPWVD等），得到时频分布；

（4）将相应时频分布图进行峰值谱图估计；

（5）对峰图谱值估计图进行微动目标的平动速度、微动幅值、微动频率等特征参数，作为（2）的参数估计补充。

                  

所述的降采样EMD的算法描述如下：

(1) 降采样：对原始信号数据进行等间隔的降采样，可以得到组具有较低采样率的数据；

(2) 加噪声：分别为每组较低采样率的数据添加一定强度的高斯白噪声，且添加的白噪声互不相同；

(3) EMD分解：对（2）中得到的添加有白噪声的个序列分别进行EMD分解，进而得到相应的IMF分量；

    (4) 求和平均：根据（3）EMD分解后的多组IMF，进行相应的求和，并得其平均值，计算结果作为原始信号的IMF分量。公式如下所示：

所述的峰图谱值估计算法描述如下：

    谱图峰值估计法就是利用瞬时频率能代表谱图峰值位置的特点，进行的目标瞬时频率提取。谱图峰值估计的公式如下所示：

式中，为传统时频分析得到的时频变换数据，为矩阵；