[发明专利]基于SET-STIAA的空间微动目标时频分析方法

说明书

本发明提供的一种基于SET‑STIAA的空间微动目标时频分析方法，将同步提取变换与短时迭代自适应算法相结合，利用IAA算法，对每个时刻的滑窗内的两个回波信号计算频率成分，获得每个时刻的滑窗内每个回波信号的第一频率曲线函数；使用同步提取变换方法在第一频率曲线函数中选择瞬时相位对应的回波信号频点作为该回波信号估计的瞬时频率；遍历每一个瞬时频率点，将该瞬时频率点的频率与该频点处的真实频率进行比较，以剔除频谱泄露的瞬时频率点从而确定回波信号的频率。本发明仅提取出瞬时相位处的时频点，达到提高时频分辨精度的效果。并且只需要更少的滑窗点数，有效缓解数据长度较短且微多普勒曲线距离较近时不能分辨出目标的缺点。

技术领域

本发明属于雷达技术领域，具体涉及一种基于SET-STIAA的空间微动目标时频分析方法。

背景技术

空间微动目标的微多普勒特征提取是空间椎体目标识别中最为关键的步骤之一，而特征提取的重心是对目标的参数来进行估计，所以时频分步逐渐成为研究人员提取微动多普勒变换曲线最为直观的反应。

现有的时频分析方法主要有以下几种方法：

(1)基于同步提取变换的短时傅里叶变换(SET-STFT)，是最常用的也是最为简单的时频分析方法，它是由傅里叶变换发展而来。SET-STFT在传统傅里叶变换的基础上采用时间滑窗将一系列非平稳信号分解为若干短时有限段，在每一小段内认为该信号是平稳的，对滑窗截取的每一小段原始信号进行加窗处理，以降低因信号截取造成的频谱泄露效应，然后对加窗信号做傅里叶变换。但是基于同步提取变换的短时傅里叶变换不适用于距离过近的两条曲线，并且在曲线的交叉处分辨不开，同时SET-STFT算法所需要的短时滑窗点数相对较高，在计算一段连续的信号时需要舍弃一个滑窗的点数，不适用于观测时间较短的信号。

(2)短时迭代自适应算法(STIAA)，是将非参数的迭代自适应算法应用于时频分析领域，发展了适用于波达方向估计领域的短时迭代自适应算法，并且均达到了时频高分辨的效果。STIAA算法是在IAA算法的基础上发展而来的，对一定长度的原始离散信号做类似于STFT算法的滑窗处理，对每一个滑窗内的信号应用IAA算法。但是STIAA还是与理想的时频分辨率有一定的差距，不能满足要求。

发明内容

为了解决现有技术中存在的上述问题，本发明提供了一种基于SET-STIAA的空间微动目标时频分析方法。本发明要解决的技术问题通过以下技术方案实现：

本发明提供的一种基于SET-STIAA的空间微动目标时频分析方法包括：

将雷达系统中的两个回波信号进行滑窗处理；

利用IAA算法，对每个时刻的滑窗内的两个回波信号计算频率成分，获得每个时刻的滑窗内每个回波信号的第一频率曲线函数；

针对每个回波信号的第一频率曲线函数，使用同步提取变换方法，在第一频率曲线函数中选择瞬时相位对应的回波信号频点作为该回波信号估计的瞬时频率；

将每个回波信号估计的瞬时频率组成时频曲线图；

在每个回波信号的时频曲线图中遍历每一个瞬时频率点，将该瞬时频率点的频率与该频点处的真实频率进行比较，以剔除频谱泄露的瞬时频率点，获得每个回波信号的频率曲线图以确定回波信号的频率；

其中，两个回波信号同一频点的频率值之差大于2倍的频率间隔。

可选的，在所述利用IAA算法，对每个滑窗内的每个回波信号计算频率成分，获得在滑窗内的每个回波信号的第一频率曲线函数之前，所述目标时频分析方法还包括：

将所述回波信号进行离散变换，获得离散变换后的回波信号；

将所述离散变换后的回波信号进行泰勒展开，获得回波信号的泰勒展开式。

其中，所述回波信号表示为：