一种消除目标微动对雷达成像干扰的方法与流程

本发明涉及雷达成像以及微多普勒效应领域，具体涉及一种消除目标微动对雷达成像干扰的方法。

背景技术：

在(逆)合成孔径雷达成像中，目标的运动可以被分解为平动和转动两个部分。目标的平动对所有的散射点产生相同的多普勒偏移，因此，平动分量对雷达成像不会有任何贡献。目标的转动分量会使回波产生不同的包络延时和相位。由于目标的平动会使回波产生距离徙动，导致不能获得一幅很好的聚焦图像，因此，需要对首先需要对平动分量进行补偿。运动补偿包括两部分：包络对齐和相位校正。通过运动补偿之后便可以获得一个理想的转台模型，最后采用传统的距离多普勒算法(参考文献[1]：v.c.chen,andmarcomartorella,inversesyntheticapertureradarimagingprinciples,algorithms,andapplications.edison,nj:scitechpublishing,2014.)就可以得到清晰的成像结果。

实际上，很多成像目标可能存在一些局部运动，例如机械振动、转动、摇动、进动等等。这些运动叠加在整个目标的平动分量和转动分量之上。这些局部运动被称作微动，由微动产生的多普勒效应被称为微多普勒效应(参考文献[2]：v.c.chen,“analysisofradarmicro-dopplersignaturewithtime–frequencytransform,”inproc.ieeestatisticalsignalarrayprocess.,2000,pp.463–466.，参考文献[3]：v.c.chen,f.li,s.-s.hoetal.,“analysisofmicro-dopplersignatures,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.271–276,aug.2003.；参考文献[4]：t.sparrandb.krane,“micro-doppleranalysisofvibratingtargetsinsar,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.277–283,aug.2003.；参考文献[5]：v.c.chen,f.li,s.-s.hoetal.,“micro-dopplereffectinradar:phenomenon,model,andsimulationstudy,”ieeetrans.aerosp.electron.syst.,vol.42,no.1,pp.2–21,jan.2006.)。不同的目标有它们特有的微多普勒特征，可以根据不同的微多普勒特征对目标进行识别和分类。由于微多普勒效应的存在，雷达获得的目标成像可能会变得很模糊，以至于很难对目标进行识别，所以需要将微多普勒效应消除。为了达到这个目的，首先需要将回波中的微多普勒成分进行分离。

在最近这些年，很多微多普勒分离算法被提出。雷达回波被分解为一系列的chirplet函数(参考文献[6]：j.liandh.ling,“applicationofadaptivechirpletrepresentationforisarfeatureextractionfromtargetswithrotatingparts,”proc.inst.electr.eng.—radarsonarnavig.,vol.150,no.4,pp.284–291,aug.2003.)，通过不同的线性调频率可以将主体部分和微动部分进行分离，不过该算法需要耗费很长的时间。基于频谱的阶数统计方法被用来对目标主体和微动部分进行分离(参考文献[7]：l.stankovic,i.cdjurovi,t.thayaparanetal.,“separationoftargetrigidbodyandmicro-dopplereffectsinisarimaging,”ieeetrans.aerosp.electron.syst.,vol.42,no.4,pp.1496–1506,oct.2006.)，然后使用逆radon变换来估计微多普勒参数。空军工程大学的张群教授采用hough变换的方法实现了目标微多普勒特征的提取(参考文献[8]：q.zhang,t.s.yeo,h.s.tanetal.,“imagingofamovingtargetwithrotatingpartsbasedonthehoughtransform,”ieeetrans.geosci.remotesens.,vol.46,no.1,pp.291–299,jan.2008.)。通过采用短时傅里叶变换获得时频图，然后在时频域采用基于l统计的方法或者基于直方图分析的方法提取目标的主体部分(参考文献[9]：l.stankovic,t.thayaparan,m.dakovicandv.popovic-bugarin,“micro-dopplerremovalintheradarimaginganalysis,”ieeetrans.aerosp.electron.syst.,vol.49,no.2,pp.1234–1250,apr.2013.；参考文献[10]：r.zhang,g.li,y.zhang,“micro-dopplerinterferenceremovalviahistogramanalysisintime-frequencydomain,”ieeetrans.aerosp.electron.syst.,vol.52,no.2,pp.755–768,apr.2016.)。以上这些方法都只是被用在了仿真数据中，而没有实验数据，缺乏说服力。

西安电子科技大学的白雪茹教授将经验模态分解算法推广到复数的情况，提出了复经验模态分解算法，并采用复经验模态分解算法实现了目标主体部分和微动部分的分离(参考文献[11]：x.bai,m.xing,f.zhou,g.lu,andz.bao,“imagingofmicromotiontargetswithrotatingpartsbasedonempirical-modedecomposition,”ieeetrans.geosci.remotesens.,vol.46,no.11,pp.3514–3523,nov.2008.)，得到了很好的成像结果。传统的傅里叶变换、小波变换只适用于线性、平稳的信号，而复经验模态分解算法不仅适用于线性、平稳的信号，同时也适用于非线性、非平稳的信号。

技术实现要素：

本发明的目的在于克服现有消除目标微动对雷达成像干扰的方法存在的上述缺陷，提出一种消除目标微动对雷达成像影响的方法，为消除微多普勒效应对(逆)合成孔径雷达成像的干扰，获得更好的成像结果提供了新的技术途径。该方法将konstantindragomiretskiy和dominiquezosso提出的变分模态分解推广到复数的情况下，提出了复变分模态分解，因为在实际的雷达信号处理时采用的是i和q两个通道，所以实际的雷达信号是复数。通过建立仿真模型和实际的实验数据结果，有效地验证了本发明所提出的方法的有效性。

为了实现上述目的，本发明提出了一种消除目标微动对雷达成像干扰的方法，所述方法包括：

步骤1)雷达发射m个相同的n维离散化线性调频信号；将发射出的信号与接收到的回波信号经过匹配滤波后，得到一个m行n列的二维距离-慢时间域的回波数据；

步骤2)分别对每一列距离-慢时间域的回波数据进行复变分模态分解，得到q个模函数，计算所分解出的每一个模函数的能量，并求得每一个模函数的能量占所有模函数能量总和的比值；将比值高于阈值的模函数进行相加合成，得到一个新的m行n的二维距离-慢时间域的回波数据；

步骤3)将步骤2)获得的m行n列的二维距离-慢时间域的回波数据进行加窗处理，然后沿着方位向进行傅立叶变换得到逆合成孔径雷达成像。

上述技术方案中，所述步骤1)包括：

步骤101)产生m个相同基带线性调频信号，对每个信号进行离散化；

所述的基带线性调频信号表示如下：

其中的rect表示的是矩形窗函数，数学表达如下：

公式(1)中代表快时间，tp表示脉冲宽度，y表示线性调频率；

对信号进行采样，获得n个离散的基带线性调频信号序列

步骤102)将获得的离散基带线性调频信号序列经过发射机上变频器的变频调制至雷达工作频率后的发射信号为所述发射信号为：

式中，fc表示载波的频率，t表示全时间；

发射信号经传输后，到达接收机的信号为接收信号是雷达所照射区域所有目标对发射信号经过发射后返回到接收机的信号之和，假设共有k个点目标，第k(k＝1,2,...,k)个点目标的反射系数为σk，第k个点目标与雷达之间的距离为rk，光速为c，那么接收信号为：

步骤103)将所述步骤102)获得的离散接收信号序列进行下变频处理，接收机下变频的本振频率和发射机上变频的本振频率相同，是由同一个频率源产生，经过下变频后获得的信号为：

步骤104)接收信号经过下变频后变为了基带信号，将基带信号与步骤101)保存的基带信号在频率域进行匹配滤波；匹配滤波后的信号表示为的计算公式为：

步骤105)将m个联合得到一个m行n列的二维距离-慢时间域的回波数据，将此回波数据矩阵表示为其中m表示脉冲回波的编号，tm代表慢时间。

上述技术方案中，所述步骤2)具体包括：

步骤201)选定模函数个数q，对每一列距离-慢时间域的回波数据进行复变分模态分解，得到q个模函数；

步骤202)计算所分解出的每一个模函数的能量，并求得每一个模函数的能量占所有模函数能量总和的比值；

步骤203)将比值高于阈值的模函数进行相加合成，得到n个列向量组成一个新的m行n的距离-慢时间域的回波数据

上述技术方案中，所述q的取值为20。

上述技术方案中，所述步骤201)的具体实现过程为：

回波数据矩阵的第n列进行复变分模态分解，计算如下：

上式中，是q个复值模函数；re表示取实部，mf表示实值变分模态分解算法，实值变分模态分解算法是以下一个约束性变分问题：

其中，f表示要进行变分模态分解的实信号；uk是将原信号f分解后的第k，k＝1…q个模函数的信号，ωk是信号uk的主要频率成分。

上述技术方案中，所述步骤3)的加窗处理为汉宁窗。

本发明的优势在于：

本发明提出的方法适用于非线性、非平稳的信号，通过仿真数据和实验数据证明，本发明的方法能够消除目标微动对雷达成像的干扰，获得更清晰的目标主体成像结果。

附图说明

图1为本发明的消除目标微动对雷达成像干扰的方法的流程图；

图2为转动目标模型图；

图3为理想公式的时频分析结果；

图4为理想公式经复变分模态分解后各模函数的能量所占所有模函数能量总和的比值；

图5为理想公式经复变分模态分解后提出的主体部分的时频图；

图6为理想公式经复变分模态分解后提出的微动部分的时频图；

图7为仿真点目标的位置坐标；

图8为仿真点目标的成像结果；

图9为仿真点目标经复变分模态分解后提取出的主体部分的成像结果；

图10为仿真点目标经复经验模态分解后提取出的主体部分的成像结果；

图11为卡车实验数据的成像结果；

图12为卡车实验数据第120个距离单元的时频图；

图13为卡车实验数据经复变分模态分解后提取出的主体部分的成像结果；

图14为卡车实验数据经复经验模态分解后提取出的主体部分的成像结果。

具体实施方式

下面结合附图和具体实施例对本发明进行详细的说明。

如图1所示，一种消除目标微动对雷达成像干扰的方法，所述方法包括：

步骤1)雷达发射m个相同的n维离散化线性调频信号；将发射出的信号与接收到的回波信号经过匹配滤波后，得到一个m行n列的二维距离-慢时间域的回波数据，将此回波数据矩阵表示为具体包括：

步骤101)产生m个相同基带线性调频信号，对每个信号进行离散化；

雷达发射一次线性调频信号只能实现高距离分辨率，对不同方位向位置的目标依然不能进行识别，所以无法实现成像。要想获得目标的成像结果，需要发射一簇这样的线性调频信号。发射的m个线性调频信号是按照一个固定周期发射出去的，且下一个发射信号发射出去之前，雷达已经接收到前一个发射信号的回波。

所述的基带线性调频信号表示如下：

其中的rect表示的是矩形窗函数，数学表达如下：

公式(1)中代表快时间，tp表示脉冲宽度，γ表示线性调频率；

对信号进行采样，获得n个离散的基带线性调频信号序列并对离散的基带线性调频信号序列做好记录保存；

步骤102)将获得的离散的基带线性调频信号序列经过发射机上变频器的变频调制至雷达工作频率后的发射信号为所述发射信号为：

式中，fc表示载波的频率，t表示全时间；

发射信号经传输后，到达接收机的信号为接收信号是雷达所照射区域所有目标对发射信号经过发射后返回到接收机的信号之和，假设共有k个点目标，第k(k＝1,2,...,k)个点目标的反射系数为σk，第k个点目标与雷达之间的距离为rk，光速为c，那么接收信号为：

步骤103)将所述的步骤102)获得的离散接收信号序列进行下变频处理，接收机下变频的本振频率和发射机上变频的本振频率相同，是由同一个频率源产生，经过下变频后获得的信号为：

步骤104)接收信号经过下变频后变为了基带信号，将基带信号与步骤101)保存的基带信号在频率域进行匹配滤波；匹配滤波后的信号表示为的计算公式为：

步骤105)将m个联合得到一个m行n列的二维距离-慢时间域的回波数据，将此回波数据矩阵表示为其中m表示脉冲回波的编号，tm代表慢时间；

步骤2)选取模函数个数q，分别对每一列距离-慢时间域的回波数据进行复变分模态分解，得到q个模函数，计算所分解出的每一个模函数的能量，并求得每一个模函数的能量占所有模函数能量总和的比值，比值高于阈值的模函数被认为是目标主体所产生的，将比值高于阈值的模函数进行相加合成，得到一个新的m行n的二维距离-慢时间域的回波数据；具体包括：

步骤201)选定合适的模函数个数q，对每一列距离-慢时间域的回波数据进行复变分模态分解，得到q个模函数；

变分模态分解算法可以将一个信号从低频往高频分离开。对有微动的距离单元进行时频分析时，可以从时频图中很好地获取微多普勒的信息，目标主体部分在时频图中会相对集中，而微动部分的在时频图中会比较分散，因此为了很好得将目标主体部分提取出来，所分解的模态数不宜太小，但是太大也会增加计算量，本发明将分解的模态数设定为q＝20；

步骤202)计算所分解出的每一个模函数的能量，并求得每一个模函数的能量占所有模函数能量总和的比值；

选取回波数据矩阵的第n列进行复变分模态分解，计算如下：

上式中，是20个复值模函数；re表示取实部，mf表示实值变分模态分解算法，实值变分模态分解算法是以下一个约束性变分问题：

其中，f表示要进行变分模态分解的实信号；uk是将原信号f分解后的第k(k＝1…20)个模函数的信号，ωk是信号uk的主要频率成分。

计算每一个复值模函数的能量以及所占所有20个复值模函数能量总和的比值。

步骤203)选取一个合适的能量比值的阈值，比值高于阈值的模函数被认为是目标主体所产生的，将比值高于阈值的模函数进行相加合成，得到n个列向量组成一个新的m行n的距离-慢时间域的回波数据

步骤3)将所述的步骤2)获得的m行n列的二维距离-慢时间域的回波数据进行汉宁(hanning)窗的加窗处理，然后沿着方位向进行傅立叶变换得到消除微多普勒效应干扰后的高分辨率(逆)合成孔径雷达成像。

图2为转动目标模型图。该模型假设目标的平动已经被补偿。点q(xq，yq)代表目标主体点，点p(xp，yp)代表目标微动点，原点o是理想转台模型目标主体点的旋转中心，rq，是点q的旋转半径，ωo是目标主体点的旋转角速度，uo′v是微动点所在的参考坐标系，o′是微动点的旋转中心，rp是微动点的旋转半径，ωp是微动点的旋转角速度，ωp远比ωo大。该模型中，点q代表了目标主体部分，目标主体运动可以被分解为平动分量和转动分量，平动分量对成像会产生干扰，因此假设这里的平动分量已经被补偿，只剩下转动分量，相当于目标主体绕着o点进行旋转运动，点p也是目标的一部分，但是点p在主体运动的基础上还具有自己的运动，比如卡车车轮的转动、直升机旋转叶片的转动等等，这里假设点p绕着点o′作快速旋转运动。

图3为根据公式s(t)＝exp(-j70sin(3πt))+1进行的时频分析结果，相干时间为1s，采样率为256；图4为对图3的信号进行复变分模态分解后所得到的20个模函数的能量占所有模函数能量总和的比值，从该图可以看出，占据目标主体部分的模函数(即第一个模函数)的能量占据了大部分能量，将阈值设为0.1，就可以将目标主体部分和微动部分分离开；图5为通过变分模态分解算法提取出的目标主体部分的时频图；图6为通过变分模态分解算法提取出的微动部分的时频图。

图7为仿真的点目标位置；图8为采用线性调频信号进行的点目标仿真的成像结果；图9为采用复变分模态分解算法提取出的目标主体部分；图10为采用西安电子科技大学白雪茹教授提出的复经验模态分解算法提取出的目标主体部分。五个散射点的旋转中心坐标都为(0，0)，中间的散射点代表微动点，微动点的旋转半径为0.25m，旋转频率为6.67hz，其余的四个散射点代表目标主体，坐标分别为(25，0)、(-25，0)、(0，-25)和(0，25)，旋转频率为0.02hz，雷达载频为10ghz，系统带宽为500mhz，整个成像相干积累时间为0.256s，脉冲重复频率为2000hz，微动点的后向散射系数是目标主题点散射系数的一半。图7采用的是传统距离多普勒算法获得的成像结果。从图8可以看出，由于微动点的存在，成像结果出现了一条长的阴影带，干扰了主体部分的成像。从图9和图10可以看出，本发明提出的基于复变分模态分解算法具有比复经验模态分解算法更好的消除微多普勒效应对(逆)合成孔径雷达成像的干扰的效果。

图11为一辆卡车的实验成像结果；图12为第120个距离单元的时频分析结果；图13为采用本发明提出的基于复变分模态分解算法对卡车实验数据进行分析后提取出的卡车主体部分成像结果；图14为采用复经验模态分解算法对卡车实验数据进行分析后提取出的卡车主体部分成像结果。雷达系统采用的是ka波段的工作频率，信号为调频步进信号，系统带宽为2ghz，子脉冲的个数是20个，子脉冲的带宽是110mhz，载频从33ghz到35ghz，按照100mhz递增，相邻子脉冲的时间间隔是70μs，脉冲重复频率是500hz，整个成像的相干积累时间是1.4s。在图11中，左边代表着卡车的车头部分，右边代表着卡车的车尾部分，在第95个距离单元和第120个距离单元附近出现了比较长的阴影带，这是由于卡车两个前轮的快速转动所引起的，这会干扰卡车主体部分的成像。取出第120个距离单元进行时频分析，分析结果如图12所示，从该图可以看出，目标主体部分集中在零多普勒频率附近，在偏离零多普勒频率较远的位置有卡车车轮快速转动引起的额外的多普勒频率成分。从图13和图14可以看出，本发明提出的基于复变分模态分解算法具有比复经验模态分解算法更好的消除微多普勒效应对(逆)合成孔径雷达成像的干扰的效果。

本发明所提出的消除目标微动对雷达成像影响的方法，虽然分析时采用的是线性调频信号，但是同样也适用于步进频信号、调频步进信号等其他雷达体制，实验数据的分析结果就很好地验证了这一点。同时，本发明分析时虽然使用的都是转动目标模型，但是本发明同样适用于其他的微动形式，比如振动、进动等等。本发明所提出的方法对实际的(逆)合成孔径雷达成像具有重要的现实意义。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。