一种基于OFDM探通一体化信号的微动目标检测方法

一种基于ofdm探通一体化信号的微动目标检测方法
技术领域
1.本发明属于探测通信一体化技术领域，具体涉及一种基于ofdm探通一体化信号的微动目标检测方法。


背景技术：

2.对于存在多个运动目标的复杂环境，其回波信号是由多个不同运动产生的多普勒信息相互叠加而成的，仅仅借助距离-多普勒信息不能实现从多运动目标中对小幅运动目标信息的提取，如手势目标、机翼目标、弹头目标的变化等。而从探测回波中分析目标的微多普勒并提取其微动特征是进行目标识别的重要途径。对于窄带探测系统，目标的微动特征主要表现在其展宽的多普勒频谱和瞬时微多普勒上；对于宽带探测系统，若目标的微动幅度小于距离分辨单元，则微动会导致回波相位历程的非线性，若目标微动幅度比距离分辨单元大时，微动将使目标发生距离单元间走动。
3.常见的一体化信号主要有lfm信号和频率步进(sf)信号。通常情况下，lfm信号具有严重的时频耦合性，这不仅会对微多普勒的分析和提取带来不利影响，同时还会出现距离多普勒模糊现象；sf信号采用的是脉冲串合成带宽的方法，就会导致目标运动下的回波信号发生距离像移位甚至波形失真现象，且其微动调制效应更为复杂。而正交频分复用(orthogonal frequency division multiplexing,ofdm)信号是由多个不同频率的子带信号合成的大带宽信号，且具有图钉状模糊函数，不存在时频耦合问题，因而其不仅具有宽带高分辨能力，还具有窄带微多普勒特性，更有利于对微动目标的探测提取。因此，找到一种可以同时利用ofdm一体化信号宽带距离高分辨特征和窄带多普勒特征的微动参数估计方法，对提高微动目标探测精度有着十分重要的意义。


技术实现要素：

4.本发明的目的，就是针对上述存在的问题及不足，提供了一种基于ofdm信号的微动目标联合特征参数估计方法，该方法在利用ofdm信号进行目标微动探测过程中，通过利用微动目标的宽带hrrp对微动信息进行粗估计以作为先验信息，然后利用窄带微多普勒信息进行联合特征估计；对于其中的目标微动曲线参数提取问题，本发明设计了一种基于极值路径的特征曲线估计方法，该方法通过利用维特比算法搜索以梯度变化量为代价的最短极值路径，再分别对不同目标的极值路径进行曲线拟合及参数提取，最终选择两次估计中拟合程度更高的一个作为目标微动参数。这样不仅能更精细地刻画目标微动信息，还能同时减少计算量，是一种高效的用于ofdm信号微动目标参数提取估计的方法。
5.本发明的技术方案为：一种基于ofdm信号的微动目标联合特征参数估计方法，包括以下步骤：
6.步骤1、将接收端原始信号s(t)同进行预处理，即将其与发射载频exp{j2πf0t}进行混频得到下变频处理后的一体化信号基带回波r(t)，再利用多相滤波器组hn(m)将信号划分为与发射载波个数n相同的子带回波信号并解调，得到n个子带回波信号r
m,n
(t)。
7.步骤2、对n个子带回波信号r
m,n
(t)进行脉冲内的快速傅里叶逆变换处理，以合成大带宽获得回波信号的hrrp；判断目标在距离单元间的徙动情况：若hrrp峰值位置序列近似为一条直线，则抽取峰值所在距离单元y(m)进行时频分析，得到目标的微多普勒曲线；若hrrp峰值位置在微动的影响下随时间明显变化，则提取消除平动后的目标运动轨迹曲线k(m)，对所得曲线进行拟合，得到对目标微动参数的初步估计量γ1。
8.步骤3、对任意子带信号r
m,n
(t)进行时频分析，得到时频分布矩阵f(n,k)，对该矩阵进行极值检测，得到极值点矩阵f
ext
(n,k)，通过噪声门限ηg进行极值点筛选，将低于噪声门限ηg的极值点滤除，得到有效信号极值点的集合为f'
ext
(n,k)，利用信号宽带高分辨特征得到的估计值γ1作为先验信息，以梯度变化为代价通过动态规划算法寻找时间1≤n≤n内的最短路径序列l(n)，对该结果进行微动特征曲线拟合，得到基于窄带微多普勒特征的微动估计量γ2。
9.步骤4、将通过不同特征信息得到的两次估计结果γ1和γ2进行比较，选取不同目标曲线拟合程度更高的估计结果分别对不同目标微动进行描述。
10.本发明通过提取微动目标宽带hrrp的峰值位置序列，对微动信息进行粗估计以作为先验信息；再对窄带回波进行时频分析得到其携带的微多普勒信息，对时频分布结果进行极值点筛选，利用动态规划维特比算法搜索以梯度变化量为代价的最短极值路径，曲线拟合后得到二次估计结果，通过对目标微动信息进行联合特征估计提取，以保证目标微动参数估计精度并减少了计算量。
11.本发明的有益效果为，更全面的利用了回波中携带的目标微动特征信息，可以得到更高精度的目标微动参数；在某一方面的微动特征失效时，利用另一方面的微动特征仍能实现目标微动特征提取；且利用动态规划算法进行极值路径搜索，可以实现对多个微动目标的参数提取估计，且能在保证精度的同时具有更低的计算量。
附图说明
12.图1为本发明的流程图；
13.图2为基于极值路径的特征曲线估计算法流程图；
14.图3是目标hrrp随时间变化图；
15.图4是对不同目标运动轨迹及其曲线拟合结果；
16.图5是窄带回波时频分析结果图；
17.图6是对图5极值检测的结果图；
18.图7是图6通过噪声门限ηg极值点筛选的结果图；
19.图8是对不同微动目标极值路径选取和曲线拟合结果图；
具体实施方式
20.下面结合附图和仿真示例对本发明进行详细的描述，以证明本发明的实用性。
21.如附图1所示，通过本发明的一种基于ofdm信号的微动目标联合特征参数估计方法，能够同时利用微动目标的宽带hrrp信息和窄带微多普勒信息对微动目标进行联合特征估计，更精细地刻画目标微动信息，具体实施步骤如下：
22.步骤1：将接收端原始信号s(t)同进行预处理，即将其与发射载频exp{j2πf0t}进
行混频得到下变频处理后的一体化信号基带回波r(t)，其中f0为发射载波频率；再利用多相滤波器组hn(m)将信号划分为与发射载波个数n相同的子带回波信号并解调，得到n个子带回波信号r
m,n
(t)，其表达式为：
[0023][0024]
其中，r
m,n
(t)是经过多相滤波器后第n个子载波在第m个脉冲内的信号；ρ代表目标散射中心的后向散射系数；a
m,n
是第n个子载波在第m个脉冲内回波信号增益产生的幅度衰减和相位偏移；
△
f为相邻载波间隔；fn＝f0+n
△
f是第n个子载波的载频；目标时延为t＝2rd(t)/c；其中目标的散射中心与一体化系统的径向相对距离为：
[0025][0026]
其中，r0是目标微动中心位置与一体化系统之间在初始时刻的径向距离；vt是由目标与一体化系统径向相对速度v产生的平动，d是目标微动的径向幅度，微动角频率是ω，初相为
[0027]
步骤2：对n个子带回波信号r
m,n
(t)进行脉冲内的快速傅里叶逆变换处理，以合成大带宽获得第m个脉冲回波的hrrp为：
[0028][0029]
其中，c是电磁波传播速度，tr为脉冲重复周期，rm是第m个脉冲内目标与系统的径向相对距离，
[0030]
判断目标在距离单元间的徙动情况：若hrrp峰值位置序列近似为一条直线，则对齐进行平动速度补偿后，抽取峰值所在距离单元y(m)进行时频分析，得到目标的微多普勒曲线，其中y(m)为：
[0031][0032]
若hrrp峰值位置在微动的影响下随时间明显变化，则提取消除平动后的目标运动轨迹曲线k(m)为：
[0033][0034]
其中，
△
r为系统的距离分辨率。对所得目标宽带微动特性曲线进行拟合，得到对目标微动参数的初步估计量γ1。
[0035]
步骤3：对任意子带信号r
m,n
(t)进行时频分析，得到时频分布结果为矩阵f(n,k)，对该矩阵进行极值检测，得到极值点矩阵f
ext
(n,k)，即有：
[0036][0037]
式中，arg{
·
}为取宗量运算；peak{
·
}为极值点计算函数，n为时间索引，k是频率索引。设回波信号信噪比为snr，则在该信噪比的条件下可以求得信号的噪声门限ηg为：
[0038][0039]
通过噪声门限ηg进行极值点筛选，将低于噪声门限ηg的极值点滤除，得到有效信号极值点的集合f'
ext
(n,k)为：
[0040]
f'
ext
(n,k)＝arg{f
ext
(n,k)》ηg}
[0041]
利用信号宽带高分辨特征得到的估计值γ1作为先验信息，以梯度变化为代价通过动态规划算法寻找时间1≤n≤n内的最短路径序列l(n)：
[0042]
l(n)＝v
iterbi
{f'
ext
(n,k)}
[0043]
式中，v
iterbi
{
·
}表示维特比计算，根据该路径梯度变化的周期进一步对l(n)进行曲线拟合，得到一个微动分量的时频曲线将拟合曲线附近的极值点清除即nk∈[n
k+i
,n
k-i
]，得一个新的极值点矩阵；当提取的极值路径个数与微动目标个数一致时，微动特征曲线提取结束；否则，继续寻找下一条最短路径。该基于极值路径的特征曲线估计方法的流程图如附图2所示。对极值路径结果进行微动特征曲线拟合，得到基于窄带微多普勒特征的微动估计量γ2。
[0044]
步骤4：将通过不同特征信息得到的两次估计结果γ1和γ2进行比较，选取不同目标曲线拟合程度更高的估计结果分别对不同目标微动进行描述。
[0045]
仿真示例
[0046]
按照前述方法即附图1所示流程操作，仿真参数的具体设置如下：发射信号的中心载频为220ghz，带宽为1.6ghz，子载波数为128，设目标微动模型为ri(t)＝r
0i
+disin(ωit+φi)，采用的两个点目标初始位置分别为5m和5.5m，平动速度分别为3m/s和0m/s，微动幅度分别为0.1m和0.4m，微动角频率分别为14rad/s和7rad/s，初始相位分别为0
°
和60
°
；
[0047]
图2给出了步骤3所述的基于极值路径的特征曲线估计方法；
[0048]
图3给出了目标hrrp随时间的变化图，可以看出目标微动幅度越小，运动轨迹越近似一条直线；目标微动跨越距离单元个数越多，运动轨迹变化明显；
[0049]
图4给出了平动速度消除后得到的微动目标宽带特性曲线拟合结果，可以发现，微动幅度更大的目标，其运动轨迹更为平滑，且曲线拟合程度更高；
[0050]
图5给出了窄带回波时频分析结果，可以发现回波中包含两个微动目标，且存在交叉项的影响；
[0051]
图6给出了对图5所示时频分布进行极值检测的结果图；
[0052]
图7给出了图6滤除低于噪声门限ηg极值点后的结果图，从图中可以大致看出两条微动目标特征曲线；
[0053]
图8给出了对不同微动目标极值路径选取结果及其曲线拟合结果，可以得到基于窄带微多普勒特征的微动估计量γ2，将不同特征信息得到的两次估计结果γ1和γ2进行比
较，选取不同曲线拟合程度更高的估计结果分别对不同目标微动进行描述。
[0054]
综上所述，从处理的结果上看，本发明提供的方法具有实用价值。

技术特征：
1.一种基于ofdm探通一体化信号的微动目标检测方法，其特征在于，包括以下步骤：s1、将接收端原始信号s(t)同进行预处理，即将其与发射载频exp{j2πf0t}进行混频得到下变频处理后的一体化信号基带回波r(t)，其中f0为发射载波频率；再利用多相滤波器组h
n
(m)将信号划分为与发射载波个数n相同的子带回波信号并解调，得到n个子带回波信号r
m,n
(t)，其表达式为：其中，r
m,n
(t)是经过多相滤波器后第n个子载波在第m个脉冲内的信号；ρ代表目标散射中心的后向散射系数；a
m,n
是第n个子载波在第m个脉冲内回波信号增益产生的幅度衰减和相位偏移；
△
f为相邻载波间隔；f
n
＝f0+n
△
f是第n个子载波的载频；目标时延为τ＝2r
d
(t)/c；其中目标的散射中心与一体化系统的径向相对距离为：其中，r0是目标微动中心位置与一体化系统之间在初始时刻的径向距离；vt是由目标与一体化系统径向相对速度v产生的平动，d是目标微动的径向幅度，微动角频率是ω，初相为s2、对n个子带回波信号r
m,n
(t)进行脉冲内的快速傅里叶逆变换处理，以合成大带宽获得第m个脉冲回波的hrrp为：其中，c是电磁波传播速度，t
r
为脉冲重复周期，r
m
是第m个脉冲内目标与系统的径向相对距离，判断目标在距离单元间的徙动情况：若hrrp峰值位置序列近似为一条直线，则对齐进行平动速度补偿后，抽取峰值所在距离单元y(m)进行时频分析，得到目标的微多普勒曲线，其中y(m)为：若hrrp峰值位置在微动的影响下随时间明显变化，则提取消除平动后的目标运动轨迹曲线k(m)为：其中，
△
r为系统的距离分辨率，对所得目标宽带微动特性曲线进行拟合，得到对目标微动参数的初步估计量γ1；s3、对任意子带信号r
m,n
(t)进行时频分析，得到时频分布结果为矩阵f(n,k)，对该矩阵
进行极值检测，得到极值点矩阵f
ext
(n,k)，即有：式中，arg{
·
}为取宗量运算；peak{
·
}为极值点计算函数，n为时间索引，k是频率索引；设回波信号信噪比为snr，则在该信噪比的条件下可以求得信号的噪声门限η
g
为：通过噪声门限η
g
进行极值点筛选，将低于噪声门限η
g
的极值点滤除，得到有效信号极值点的集合f'
ext
(n,k)为：f'
ext
(n,k)＝arg{f
ext
(n,k)>η
g
}利用信号宽带高分辨特征得到的估计值γ1作为先验信息，以梯度变化为代价通过动态规划算法寻找时间1≤n≤n内的最短路径序列l(n)：l(n)＝v
iterbi
{f'
ext
(n,k)}式中，v
iterbi
{
·
}表示维特比计算，根据路径梯度变化的周期进一步对l(n)进行曲线拟合，得到一个微动分量的时频曲线将拟合曲线附近的极值点清除即n
k
∈[n
k+i
,n
k-i
]，得一个新的极值点矩阵；当提取的极值路径个数与微动目标个数一致时，微动特征曲线提取结束；否则，继续寻找下一条最短路径；对极值路径结果进行微动特征曲线拟合，得到基于窄带微多普勒特征的微动估计量γ2；s4、将通过不同特征信息得到的两次估计结果γ1和γ2进行比较，选取不同目标曲线拟合程度更高的估计结果分别对不同目标微动进行描述。

技术总结
本发明属于探测通信一体化技术领域，具体涉及一种基于OFDM探通一体化信号的微动目标检测方法。本发明通过提取微动目标宽带HRRP的峰值位置序列，对微动信息进行粗估计以作为先验信息；再对窄带回波进行时频分析得到其携带的微多普勒信息，对时频分布结果进行极值点筛选，利用动态规划维特比算法搜索以梯度变化量为代价的最短极值路径，曲线拟合后得到二次估计结果，通过对目标微动信息进行联合特征估计提取，更全面的利用了回波中携带的目标微动特征信息，可以得到更高精度的目标微动参数，且能够实现对多个微动目标的参数提取估计，在保证精度的同时具有更小的计算量。证精度的同时具有更小的计算量。证精度的同时具有更小的计算量。


技术研发人员：李晋 吴梦鑫 闵锐 李玉亮
受保护的技术使用者：电子科技大学
技术研发日：2023.05.16
技术公布日：2023/8/16