[发明专利]基于稀疏贝叶斯学习的微动目标高分辨时频图重构方法

说明书

本发明公开了一种基于稀疏贝叶斯学习的微动目标时频图重构方法，主要解决现有技术在低信噪比环境下难以获得微动目标高分辨时频图的问题。其实现方案为：1)获取微动目标的雷达回波信号向量s；2)构建傅里叶字典F；3)从雷达回波信号向量s中获取其每个时间窗内的回波信号s_i，并获取从傅里叶字典F中抽取的每个时间窗对应列构成的字典F_i，利用字典F_i对回波信号s_i进行建模；4)对每个时间窗内的信号s_i及每个时间窗内的时频分布f_i引入稀疏先验；5)基于3)构建的模型及4)中的先验，求解每个时间窗内的时频分布f_i并进行拼接，得到微动目标的时频图重构结果。本发明能在低信噪比下获得弹道目标、微动目标聚焦良好的时频图，可用于复杂环境微动特征提取与识别。

技术领域

本发明属于雷达信号处理技术领域，特别涉及一种微动目标高分辨时频图重构方法，可用于复杂观测条件下的微动目标高分辨成像、特征提取与识别。

背景技术

微动是指目标或目标上的某些结构存在的独立于主体运动的振动或旋转，例如直升机叶片的旋转、弹道目标的自旋、进动和章动，以及人体四肢的摆动等。微动会在目标主体运动对应的主多普勒周围产生边带，即产生微多普勒效应。由于微动目标参数化特征提取方法通常需要建立复杂的参数化模型，并且求解运算量很大。因此基于联合时频JTF分析的非参数化方法被广泛用于微动目标成像与特征提取，该类方法对微动形式具有鲁棒性，计算效率较高。然而，在低信噪比的观测环境下，利用传统时频分析方法所得时频图将出现虚假点，从而影响准确的目标特征提取。

针对低信噪比等观测环境，可采用稀疏信号重构技术实现有效的JTF分析。例如：白雪茹，周峰在其发表的论文“Radar imaging of micromotion targets from corrupteddata”(IEEE Trans.Aerosp.Electron.Syst..vol.52,no.6,pp.2789-2802,Dec.2016.)中，公开了一种在低信噪比条件下获得微动目标高质量时频图的方法。该方法将JTF重构问题转化为L1范数最优化问题，从而获得微动目标高质量时频图，进而实现目标高分辨成像。但是该类算法难以确定正则化参数。

发明内容

本发明目的在于提出一种基于稀疏贝叶斯学习的微动目标高分辨时频图重构方法，以解决在上述现有技术在低信噪比的观测环境下难以获得微动目标高质量时频图的问题。

本发明的技术方案是：先利用非参数化字典对微动目标回波信号进行JTF域建模，然后构建基于伽马-复高斯先验的概率模型，进而采用变分推断求解模型中的未知系数，得到高分辨时频图,具体实现步骤包括如下：

(1)发射线性调频信号进行解线频调处理，并接收低信噪比环境下微动目标维数为N×1的雷达回波信号向量s，其中，N为采样点数；

(2)以e^j2πmn/N为元素，构造维数为N×N的傅里叶字典F，其中，e⁽·⁾表示以自然常数为底的指数操作，j表示虚数单位，m表示傅里叶字典F的行序号，n表示傅里叶字典F的列序号，行序号m与列序号n的取值范围均为[1:N]；

(3)获取每个时间矩形滑窗内的信号s_i：

设L为每个个滑窗的窗长，设s_i表示第i个滑窗内的回波信号，其维度为L×1，i∈[1,N]；

对每个时间矩形滑窗内的信号s_i进行建模：

s_i＝G_if_i+n_i