[发明专利]基于Radon变换与拉普拉斯算子的微多普勒抑制方法

说明书

基于Radon变换与拉普拉斯算子的微多普勒抑制方法，涉及外辐射源雷达信号处理技术领域，针对现有技术中在刚体信号能量较低的情况下，或者信噪比较低的情况时不能有效的检测出刚体信号成分的问题，本发明利用了刚体信号在时频域中呈现为直线的特点，利用图像直线检测工具，radon变换进行刚体信号的检测。本发明利用了拉普拉斯算子，对radon变换域中的峰值进行了非刚体成分的排除，即只有足够陡峭的峰值点才被认为是极值点。通过这种方式，可以在刚体信号能量较低的情况下，或者信噪比较低的情况还是能有效的检测出刚体信号成分并相应的进行滤波。

技术领域

本发明涉及外辐射源雷达信号处理技术领域，具体为一种基于Radon变换与拉普拉斯算子的微多普勒抑制方法。

背景技术

逆合成孔径雷达成像时，通常情况将目标假设为刚体，通过运动补偿将雷达远场的物体转化为理想转台后，使用距离多普勒算法对其距离和方向维度分别依次进行压缩得到高分辨率的雷达图像。但是，当目标拥有高速旋转的部件时，该高速旋转部件将破坏刚体假设，如果仍然通过距离多普勒算法成像的话会导致图像域中产生不同距离单元的条带干扰，使原本成像的目标，即目标在空间中的姿态遮挡，对成像结果不利，这种高速旋转部件产生的效应就是所谓的微多普勒效应。所以，欲使用距离多普勒算法(Range-Doppler算法)对有高速旋转物体成像的话，需要在方位压缩前进行去除微多普勒的处理。

为了区别非平稳的微多普勒以及平稳的刚体成分，通过时频分析工具进行两者的分离是非常普遍的方法。其中，短时傅里叶变换(Short Time Fourier Transform)拥有可接受的时频分辨率并且不存在信号之间的交叉项，所以通过处理短时傅里叶变换的时频图可以高效地分离微多普勒和刚体成分。L.Stankovic等人提出了L统计量，逆瑞登变换(Inverse Radon Transform)等方法，利用了微多普勒在时频域的特点对微多普勒成分进行了检测和抑制，最终得到了质量较好的雷达图像。由于这类方法太过依赖微多普勒成分在时频域中形式的理想程度，所以，当雷达的回波数据被杂波，噪声污染或者因为采样率不够造成频谱混叠时，上述方法会因为微多普勒的形式被破坏导致方法的效果变差。相对于微多普勒成分，刚体成分的形式在时频域中稳定性高，不会因为上述原因使得信号形式改变。

发明内容

本发明的目的是：针对现有技术中在刚体信号能量较低的情况下，或者信噪比较低的情况时不能有效的检测出刚体信号成分的问题，提出基于Radon变换与拉普拉斯算子的微多普勒抑制方法。

本发明为了解决上述技术问题采取的技术方案是：

基于Radon变换与拉普拉斯算子的微多普勒抑制方法，包括以下步骤：

步骤一：对原始信号进行短时傅里叶变换；

步骤二：对短时傅里叶变换的时频图进行radon变换，并将变换域中的极值点标记为可能的刚体成分；

步骤三：使用拉普拉斯算子对图像的radon变换域进行处理，得到变换域的陡峭程度信息；

步骤四：确定radon变换域中产生可能的刚体成分的峰值点；

步骤五：根据步骤四中刚体成分产生的峰值点在radon变换域中的坐标位置确定刚体在短时傅里叶时频图中的位置参数；

步骤六：根据步骤五得到的刚体成分参数设计带通滤波器，对原信号进行滤波，滤除微多普勒信号成分，得到纯净的刚体信号成分。

进一步的，所述步骤一中短时傅里叶变换公式如下：

其中，窗函数w(i)长度为Mw，s(i)是原信号，M是信号长度，w(i-m)是窗函数。

进一步的，所述Mw取信号长度M的八分之一。

进一步的，所述步骤二中radon变换的公式如下：