基于盲信号分离的群目标极点提取方法和装置与流程

本发明涉及雷达目标识别技术领域，尤其涉及一种基于盲信号分离的群目标极点提取方法、装置、设备和计算机可读存储介质。

背景技术：

雷达目标识别已成为当今最受关注的军事技术之一。雷达目标识别是指利用雷达对单个目标或目标群进行探测，对所获取的信息进行分析，从而确定目标的种类、型号等属性的技术。雷达目标识别需要从目标的雷达回波中提取目标的有关信息标志和稳定特征并判明其属性。对于目标群，如机群编队联合作战，不仅要分辨出飞机的数量还要识别出各飞机的型号。

极点是谐振区目标的一个重要特征，极点概念的产生与发展与瞬态电磁场理论的发展相联系，根据目标的瞬态响应模型，目标响应可分为冲激分量(前时响应或强制响应分量)和自然谐振分量(后时响应分量)。极点即由后时响应中提取，目标极点特征与目标和雷达的相对位置、雷达发射波的极化形式无关，仅与目标的尺寸、结构等本征特征有关，可以通过提取群目标中子目标极点特征，对子目标进行分类和识别。而由群目标雷达回波中分离出子目标的后时响应信号是雷达信号处理中的难点，制约了极点特性在群目标识别中的应用。

因此，亟需一种由群目标雷达回波分离出子目标后时响应信号的新方法。

技术实现要素：

本发明要解决的技术问题在于，针对现有群目标雷达回波中难以准确分离出子目标的后时响应信号的难点，提供一种基于盲信号分离的群目标极点提取方法、装置、设备和计算机可读存储介质，将盲源信号分离技术应用到群目标后时响应信号分离中，能够更为准确、快速地实现群目标雷达回波中各子目标的后时响应信号的分离。

为了解决上述技术问题，本发明第一方面提供了一种基于盲信号分离的群目标极点提取方法，该方法包括：

获取群目标各观测方向的雷达回波信号，并分别提取各观测方向的后时响应信号；

将获得各观测方向的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量；

由分离的后时响应信号分量提取目标极点特征。

在根据本发明所述的基于盲信号分离的群目标极点提取方法中，所述分别提取各观测方向的后时响应信号，包括：

从群目标各观测方向的雷达回波信号中提取以下开始时间的响应信号作为后时响应信号：

t＝tb+ttr+tep；

其中，tb为雷达入射信号波到达目标的时刻，ttr为信号通过目标的时间，tep为信号宽度。

在根据本发明所述的基于盲信号分离的群目标极点提取方法中，所述利用盲源信号分离的方法，分离各子目标的后时响应信号分量，具体包括：

根据各观测方向的后时响应信号获得观测向量x(t)＝(x1(t),x2(t),…,xm(t))^t，建立后时响应盲混合的数学模型，并计算出分离信号矢量y(t)＝(y1(t),y2(t),…,yn(t))^t；其中x1(t),x2(t),…,xm(t)分别为提取的各观测方向的后时响应信号，其中m为观测方向的数量；y1(t),y2(t),…,yn(t)分别为各个子目标的后时响应信号分量，n为群目标中的子目标数量。

在根据本发明所述的基于盲信号分离的群目标极点提取方法中，通过以下步骤计算出各子目标的后时响应信号向量y1(t),y2(t),…,yn(t)：

1)对观测向量x(t)进行零均值及白化预处理得到预处理向量z；

2)令p＝1；

3)选择具有单位范数的初始化矢量up；

4)通过以下公式更新up:

式中为非二次函数的一阶导数，为的导数；

5)通过以下公式正交化up：

6)通过以下公式归一化up：

其中||up||为up的模；

7)检测up是否收敛，迭代前up与迭代后up的点积的绝对值是否(几乎)等于1，是则返回步骤4)；否则转步骤8)；

8)令p加1，如p≤m，则回到步骤3)；否则转步骤9)；

9)计算分离信号矢量y(t)＝[u1,u2,…,un]^tx(t)，获得各子目标的后时响应信号向量y1(t),y2(t),…,yn(t)。

在根据本发明所述的基于盲信号分离的群目标极点提取方法中，所述由分离的后时响应信号分量提取目标极点特征具体为：通过矩阵束方法(mpm方法)或者prony方法提取目标极点特征。

本发明第二方面还提供了一种基于盲信号分离的群目标极点提取装置，包括：

后时响应提取单元，用于获取群目标各观测方向的雷达回波信号，并分别提取各观测方向的后时响应信号；

信号分离单元，用于将获得各观测方向的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量；

极点特征提取单元，用于由分离的后时响应信号分量提取目标极点特征。

在根据本发明所述的基于盲信号分离的群目标极点提取装置中，所述后时响应提取单元通过以下方式分别提取各观测方向的后时响应信号：

从群目标各观测方向的雷达回波信号中提取以下开始时间的响应信号：

t＝tb+ttr+tep；

其中，tb为雷达入射信号波到达目标的时刻，ttr为信号通过目标的时间，tep为信号宽度。

在根据本发明所述的基于盲信号分离的群目标极点提取装置中，所述信号分离单元根据各观测方向的后时响应信号获得观测向量x(t)＝(x1(t),x2(t),…,xm(t))^t，建立后时响应盲混合的数学模型，并计算出分离信号矢量y(t)＝(y1(t),y2(t),…,yn(t))^t；其中x1(t),x2(t),…,xn(t)分别为提取的各观测方向的后时响应信号，其中m为观测方向的数量；y1(t),y2(t),…,yn(t)分别为各个子目标的后时响应信号分量，n为群目标中的子目标数量。本发明第三方面还提供了一种执行基于盲信号分离的群目标极点提取方法的设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上所述的方法。

本发明第四方面还提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如前所述的方法。

实施本发明的基于盲信号分离的群目标极点提取方法、装置、设备和计算机可读存储介质，具有以下有益效果：本发明首先获取群目标不同观测方向的雷达回波信号，并分别提取各方向回波信号的后时响应部分，然后将各方向获得的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量，最后由分离的后时响应信号提取目标极点，能够将群目标中各子目标后时响应信号分离，并提取子目标的极点特征，用于目标分类及识别。

附图说明

图1为根据本发明优选实施例的基于盲信号分离的群目标极点提取方法的流程图；

图2a-2c分别为雷达入射信号与目标作用过程示意图；

图3为三个目标的原始后时响应源信号；

图4为经过随机矩阵混合后接收到的混合信号；

图5为采用本发明的盲源信号分离方法得到的分离信号；

图6为根据本发明优选实施例的基于盲信号分离的群目标极点提取装置的模块框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供了一种基于盲信号分离的群目标极点提取方法，解决以往由于不能从群目标雷达回波中分离出子目标的后时响应信号，使目标极点这一重要电磁特征在群目标识别中使用受限的问题。

请参阅图1，为根据本发明优选实施例的基于盲信号分离的群目标极点提取方法的流程图。如图1所示，该实施例提供基于盲信号分离的群目标极点提取方法包括以下步骤：

首先，在步骤s101中，执行后时响应提取步骤，获取群目标各观测方向的雷达回波信号，并分别提取各观测方向的后时响应信号。

前时响应是雷达波到达目标，开始与目标作用直到完全与目标相互作用，而产生的响应信号。后时响应是雷达波完全通过目标以后，目标自身存储的能量逐渐衰减而辐射出去的信号。后时响应一般由下面的方法确定。

如图2a-2c分别为雷达入射信号与目标作用过程示意图。其中图2a为雷达入射信号未到达目标的示意图；图2b为雷达入射信号到达目标的示意图；图2c为雷达入射信号离开目标的示意图。假设雷达入射信号从p点出发，接收目标回波信号位置也在p点。入射信号波在tb时刻到达目标，产生前时响应，经过ttr+tep时间后，信号和目标完全分离，前时响应结束，后时响应开始。因此定义后时响应的开始时间为：

t＝tb+ttr+tep；

其中，tb为雷达入射信号波到达目标的时刻，ttr为信号通过目标的时间，tep为信号宽度。后时响应的结束时间可以根据经验设定。

随后，在步骤s102中，执行信号分离步骤，将获得各观测方向的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量。

具体地，根据步骤s101获得的各观测方向的后时响应信号可以得到观测向量x(t)＝(x1(t),x2(t),…,xm(t))^t。x1(t),x2(t),…,xm(t)分别为各观测方向的后时响应信号，即第1至第m观测方向的后时响应信号，m为观测方向的数量。

则其可表示为各子目标后时信号的线性混合，即建立后时响应盲混合的数学模型，如下式：

x(t)＝as(t)；

其中s1(t),s2(t),…,sn(t)分别为各个子目标的后时响应信号分量，即未知的源信号，a为混合矩阵。

盲源分离是根据时变的传输矩阵来自适应调节矩阵w，使得分离信号与源信号的波形保持一致，即

y(t)＝wx(t)＝was(t)

上式称为信号分离模型，其中w为分离矩阵，y(t)＝(y1(t),y2(t),…,yn(t))^t为分离信号矢量，即为源信号的一个估计。

该步骤中利用基于负熵的fastica盲源分离算法，对后时信号进行分离，迭代公式如下：

式中，up为随机选择的具有单位范数的初始化矢量，z为对观测向量x进行预处理后得到的预处理向量。步骤具体如下：

1)对观测向量x(t)进行零均值及白化预处理得到预处理向量z；

2)令p＝1；设n为群目标中的子目标数量，即待提取的独立分量的数目；

3)随机选择一个具有单位范数的初始化矢量up；

4)通过以下公式更新up:

式中为非二次函数的一阶导数，为的导数；式中期望e用时间均值代替。该步骤中采用的非二次函数可以选用以下3种：

其中yi为变量，a1为常量；

f2(yi)＝-exp(-yi²/2)；其中yi为变量；

f3(yi)＝yi⁴/4；其中yi为变量。

5)通过以下公式正交化up：

6)通过以下公式归一化up：

其中||up||为up的模；

7)检测up是否收敛，迭代前up与迭代后up的点积的绝对值是否(几乎)等于1，是则返回步骤4)；否则转步骤8)；

8)令p加1，如p≤n，则回到步骤3)；否则转步骤9)；

9)计算分离信号矢量y(t)＝[u1,u2,…,un]^tx(t)，获得各子目标的后时响应信号向量y1(t),y2(t),…,yn(t)。其中y1(t)＝u1z，y2(t)＝u2z，……yn(t)＝unz。

本发明通过实验验证了该后时响应信号分离效果。图3为三个目标的原始后时响应源信号，图4为经过随机矩阵混合后接收到的混合信号，图5为采用本发明的盲源信号分离方法得到的分离信号。图3-5中均从上至下列出了第一目标、第二目标和第三目标的信号时域图。由分离结果可以看出，本发明盲源分离方法可以较好的分离出后时响应源信号。

最后，在步骤s103中，执行极点特征提取步骤，由分离的后时响应信号分量提取目标极点特征。

由盲源信号分离方法得到的子目标后时响应信号的分离信号矢量y(t)＝(y1(t),y2(t),…,yn(t))^t，利用极点提取方法，如矩阵束(mpm)方法、prony方法等，提取子目标的极点特征，进而对子目标进行分类、识别。

基于同一发明构思，本发明实施例还提供一种基于盲信号分离的群目标极点提取装置。请参阅图6，为根据本发明优选实施例的基于盲信号分离的群目标极点提取装置的模块框图。如图6所示，该实施例提供的装置600包括：后时响应提取单元601、信号分离单元602和极点特征提取单元603。

后时响应提取单元601，用于获取群目标各观测方向的雷达回波信号，并分别提取各观测方向的后时响应信号。该后时响应提取单元601提取各观测方向的后时响应信号的过程与前述方法中后时响应提取步骤一致，在此不再赘述。

信号分离单元602，用于将获得各观测方向的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量。该信号分离单元602的运算过程与前述方法中信号分离步骤一致，在此不再赘述。

极点特征提取单元603，用于由分离的后时响应信号分量提取目标极点特征。该极点特征提取单元603的运算过程与前述方法中极点特征提取步骤一致，在此不再赘述。

本发明实施例还提供了一种执行基于盲信号分离的群目标极点提取方法的设备，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中基于盲信号分离的群目标极点提取方法。

本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中基于盲信号分离的群目标极点提取方法。

综上所述，本发明首先获取群目标不同观测方向的雷达回波信号，并分别提取各方向回波信号的后时响应部分；然后将各方向获得的后时响应信号视为未知源的混合信号，利用盲源信号分离的方法，分离各子目标的后时响应信号分量；最后由分离的后时响应信号提取目标极点。本发明能够将群目标中各子目标后时响应信号分离，并提取子目标的极点特征，用于目标分类及识别。

应该理解地是，本发明中基于盲信号分离的群目标极点提取方法及装置的原理相同，因此对基于盲信号分离的群目标极点提取方法的实施例的详细阐述也适用于基于盲信号分离的群目标极点提取装置。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。