[发明专利]一种基于高阶粒子滤波的目标微多普勒曲线提取方法

说明书

本发明公开了一种基于高阶粒子滤波的目标微多普勒曲线提取方法，思路为：确定雷达，雷达检测范围内存在目标，将目标相对于雷达的运动分解为目标平动和目标微动，使用高阶粒子滤波法建立第k时刻目标瞬时多普勒频率的状态模型；确定第k时刻N个离散短时傅里叶变换单元的目标观测值构成的观测向量，建立第k时刻目标的观测模型；计算第k+1时刻目标平动的瞬时多普勒频率对应的状态变量估计值和第k+1时刻目标微动的瞬时多普勒频率对应的状态变量估计值以及第k+1时刻目标的瞬时多普勒频率估计值为令k的值分别取0至K‑1，分别得到第1时刻目标的瞬时多普勒频率估计值至第K时刻目标的瞬时多普勒频率估计值后绘制曲线，所述曲线为提取的目标微多普勒曲线。

技术领域

本发明属于雷达目标识别技术领域，涉及一种基于高阶粒子滤波的目标微多普勒曲线提取方法，适用于针对正弦形式调制的微多普勒曲线提取。

背景技术

微多普勒曲线通常被认为能够独一无二地表征目标的运动特性，具有为雷达目标的辨识与分类提供可靠信息的能力；然而，如何有效地提取目标的微多普勒曲线在实际应用中仍是一项挑战。

通常，提取微多普勒曲线的方法大致可分为两类，第一类是根据微多普勒信号模型建立子信号字典，将目标的雷达回波与建立的字典进行匹配，从而估计得到相应的模型参数；这类方法需要目标微多普勒信号模型的先验信息，当模型参数较多时，需要构建高维度的子信号字典，从而导致运算量较大；以自旋目标为例，即使自旋目标平动得到了完全的补偿，子信号字典也是三维的，因为其包含了三个未知的模型参数；第二类方法是利用时频分析方法来获得时间-瞬时多普勒图，并根据时间-瞬时多普勒图中的瞬时多普勒曲线来估计目标的模型参数，常用的时频分析方法有短时傅里叶变换(Short Time FourierTransform，STFT)、Wigner-Ville分布、S方法、时变自回归模型(Time-varyingAutoregressive Model，TVAR)等；所述常用的时频分析方法的计算复杂度通常相对较低，但是需要清晰的时间-瞬时多普勒图，且要求在单个距离单元内的散射中心个数尽可能地少；前者通常很难得到保证，后者可以通过加大雷达发射信号的带宽实现。

Radon变换是目前低信噪比环境中从时频面上提取正弦曲线的一种普遍使用的方法，其需要假设目标平动被完全补偿；然而，这一假设通常很难达到，尤其对高频雷达而言，微小的补偿误差也可能导致非常大的微多普勒调制；因此，有必要通过三阶或者更高阶的速度来描述目标的平动，但这会导致Radon变换的计算复杂度急剧增加；实际上，在低信噪比条件下从时频面上提取微多普勒曲线的问题与微弱目标的检测前跟踪(Trackingbefore Detection，TBD)问题一致，对目标回波幅度的起伏非常稳健，只是其主要针对一阶马尔可夫过程，无法直接扩展到微多普勒曲线的提取中。

发明内容

针对上述现有技术存在的不足，本发明的目的在于提出一种基于高阶粒子滤波的目标微多普勒曲线提取方法，该种基于高阶粒子滤波的目标微多普勒曲线提取方法能够用于正弦形式调制的微多普勒曲线提取，并且能够有效估计正弦微多普勒曲线的参数。

本发明的实现思路是：将正弦调制的瞬时多普勒曲线看作为一个高阶马尔可夫过程，建立目标的动态方程；将目标雷达回波的短时傅里叶变换结果看作为观测，建立目标的观测模型；利用核平滑方法估计目标的静态模型参数，再采用辅助粒子滤波方法估计目标的状态参数，从而提取得到目标的微多普勒曲线。

为达到上述技术目的，本发明采用以下技术方案予以实现。

一种基于高阶粒子滤波的目标微多普勒曲线提取方法，其特征在于，包括以下步骤：

步骤1，确定雷达，所述雷达检测范围内存在目标，将目标相对于雷达的运动分解为目标平动和目标微动，进而得到M次目标雷达回波信号的短时傅里叶变换结果；其中，M为获取目标雷达回波信号的总次数，M为大于或等于1的正整数；