基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法与流程

本发明涉及一种雷达技术，特别是一种基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法.
背景技术：
：外弹道测速雷达是用来测量弹丸的飞行速度，是武器系统各种运动参数测试中重要的内容。外弹道测速雷达的测速原理是利用电磁波在空间传播遇到运动目标时产生多普勒效应来进行的，即其中λ0为发射电磁波波长。只要测得fd，即可由公式求出径向速度vr。本外弹道测速雷达测定多普勒频率采用的是频谱分析法，就是将信号频率转换为功率谱值，获取功率谱峰值对应的频率，即回波信号频率，计算出多普勒频率fd，最后求得弹丸飞行速度vr。其中，极为重要的内容就是检测功率谱峰值。因雷达工作环境恶劣(如枪、炮的冲击振动，地杂波、环境噪声等影响)，回波信号能量都是非常微弱的，有时甚至完全被噪声所淹没，功率谱检测往往十分困难。为了最大限度的提高雷达远距离测速的性能，则需要提离外弹道测速雷达接收回波功率谱的信噪比，尽可能地提取被噪声淹没的功率谱峰值。小波去噪是近年来小波分析在信号处理技术中应用的一个重要领域，小波变换具有时频局部化和多分辨率的特点，不仅可以处理平稳信号也可以处理非平稳信号，雷达回波信号的功率谱属于非平稳信号，与传统的去噪方法相比，小波去噪用于功率谱数据中具有独特的优势。小波阈值去噪，就是将含噪信号进行小波变换，信号的小波系数幅值会大于噪声的小波系数，在小波域对含噪信号的系数进行处理，设定适当的阈值，减小甚至完全去除噪声系数，同时最大限度地保留信号系数，得到真实信号的最优估计。小波阈值去噪法是Donoho和Johnstone于1994年提出的，它在最小均方误差意义下可达近似最优，可取得较好的效果。硬阈值和软阈值是比较常用的两种收缩规则，但硬阈值函数在阈值点处是不连续的，重构出来的信号可能会出现振荡，产生伪吉布斯现象；软阈值函数处理后的信号与真实信号之间存在着一个恒定的偏差。它们都有各自的局限和缺点。技术实现要素：本发明的目的在于提供一种基于改进小波阈值去噪的外弹道测速雷达功率谱峰值检测方法，从测速距离较远时的强噪声背景中提取功率谱峰值。包括以下步骤：步骤1，将功率谱数据进行小波变换，选用Sym6小波对功率谱数据5层分解，得到每个尺度下的小波系数；步骤2，选取阈值，将大于阈值的小波系数按阈值函数方程估计，将小于阈值函数的小波系数舍弃，得到一组估计的小波系数；步骤3，利用估计的小波系数进行小波逆变换，重构小波信号估计值。本发明与现有方法相比，具有如下优点和有益效果：(1)本发明提供的一种基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法，克服了硬阈值函数在阈值点处不连续的缺陷，减小软阈值函数估计的小波系数与真实小波系数间的恒定偏差。(2)根据变换层数，自适应的选取不同的阈值，符合当变换层数变大时噪声的幅值随之变小的特点。(3)拥有调节因子还可根据实际应用对阈值函数进行调节，十分灵活、方便。(4)有效的抑制了功率谱中的噪声，改善了功率谱数据信噪比，较完整的保留功率谱的峰值，可准确的提取出功率谱峰值用于弹丸速度计算。下面结合附图对本发明作进一步详细描述。附图说明图1是本发明的流程图。图2是μ与β分别为0.2和2时本发明改进的阈值函数与硬阈值和软阈值函数的对比示意图。图3是模拟功率谱数据进行检测的归一化后的比较效果图，图3(a)为原始无噪声的模拟功率谱图，图3(b)为添加高斯白噪声后的模拟功率谱图，图3(c)为利用软阈值函数去噪法处理后的功率谱图，图3(d)为利用硬阈值函数去噪法处理后的功率谱图，图3(e)为利用μ与β分别为0.1和0.1时的本发明方法处理后的功率谱图。具体实施方式结合图1，一种基于改进小波阈值去噪的外弹道测速雷达功率谱检测方法，包括以下步骤：步骤1，采用Sym6小波基对加噪的模拟功率谱数据进行尺度为5的小波分解，分别得到每个尺度下的小波系数wj,k，j为小波分解的尺度，k表示第k个小波系数。步骤2，选取阈值。在实际情况中，含噪信号经过小波变换分解后，随着尺度的增加，噪声的小波系数幅值越来越小，而信号的小波系数的幅值会越来越大。因此，在不同尺度上阈值的选取也应该不同，使其能够适应每层的噪声分布状况。采用式中N为相应层的小波变换系数的数量；j为小波变换的相应层数，σn为所含噪声的方差。由于实际中噪声方差是不可知的，在这种情况下，可以根据第一层小波包分解系数进行估计，即σn＝median(|wj,k|)/0.6745。可以看出:随着分解尺度j的变大，阈值λ的值随之变小，恰好符合当分解尺度变大时噪声的幅值随之变小的特点。步骤3，采用本发明改进的阈值函数对每一尺度的小波系数进行处理，本发明改进的阈值函数为：式中:μ与β为调节因子，都为正数。图3是改进的阈值函数与软硬阈值函数的比较，中间的曲线是调节因子μ与β分别为0.2和2时改进的阈值函数。横坐标表示小波分解系数，纵坐标表示由阈值法得到的小波系数估计值。可以看出，估计出来值介于软阈值和硬阈值所得的之间。同时，阈值函数在±λ处连续，当wj,k→±∞时：减小了和wj,k之间的偏差。阈值函数保留了两种传统阈值函数的优点，弥补了它们在处理小波系数方面的缺点和不足。拥有调节因子还可根据实际应用进行调节，十分灵活、方便。步骤4，小波重构。利用估计的小波系数进行小波逆变换，重构功率谱数据估计值，即可达到有效抑制噪声的目的。为了验证本方法去噪的有效性，分别采用软阈值方法、硬阈值方法和本发明提出的方法进行实验。小波变换对模拟正弦信号做1024点的FFT变换，后转换为功率谱数据，取转换后的前512个数据，如图3(a)，向其加入高斯白噪声，如图3(b)，采用Sym6小波基对此数据进行尺度为5的小波分解。采用软阈值方法、硬阈值方法和当μ与β分别为0.1和0.1时本发明提出的方法进行去噪实验，进行信噪比和均方误差的比较，得到表1的对比结果，去噪效果图分别如图3(c)、3(d)、3(e)所示。表1不同阈值函数时SNR和MSE的对比阈值函数含噪功率谱数据软阈值函数硬阈值函数本发明方法SNR/dB-4.23352.25781.25952.9344MSE1.2480×10-82.7994×10-93.5229×10-92.3956×10-9由表1得知：采用本发明方法可有效提高功率谱数据信噪比，信噪比提高幅度大于硬阈值法和软阈值法。另外本发明的均方误差与硬阈值法和软阈值法相比有所降低。从图3中可以看出，本发明方法去除了大量的噪声、功率谱峰值保留效果较好，结果优于硬阈值法和软阈值法。当前第1页1 2 3