一种基于边缘检测的目标微多普勒特征分离提取方法
【技术领域】
[0001] 本发明涉及目标微多普勒特征探测技术领域，具体是一种基于边缘检测的目标微 多普勒特征分离提取方法。
【背景技术】
[0002] 21世纪初，美国海军研究实验室的V. C. Chen教授率先提出了微多普勒效应的概 念。V.C.Chen教授指出，目标整体与雷达存在径向运动产生多普勒效应的同时，由于目标自 身或者一些组成部分还存在相对于整体平动幅度较小的振动、转动等微小运动，会对雷达 回波信号产生附加的频率调制，导致在频谱上出现以多普勒频率为中心的展宽现象。这一 现象就被称为微多普勒效应。
[0003] 微多普勒效应被认为是唯一能反映目标微动的特征，而且兼具反映目标运动特征 和几何结构的能力。相比于传统的通过时间、距离、强度、偏振等手段探测目标非运动特征 的方法，基于微多普勒效应的目标探测抗干扰、抗欺骗的能力更强，可以说开辟了目标探测 识别的新途径。
[0004] 目标的探测识别关键在于从回波信号中提取目标的微多普勒特征。微多普勒回波 信号为非平稳信号，目前主要采用时频分析方法对其进行处理，在所有的线性和非线性时 频分析方法中，平滑伪维格纳-维利分布(SPWVD)被证明有较好的分析效果。而微多普勒特 征就是从回波信号时频分布中提取瞬时频率的变化规律，并从中解算出目标微动参数。已 有的瞬时频率提取方法有峰值提取和一阶时间矩等非参数化方法和霍夫(Hough)变化等参 数化方法。非参数化方法计算简便，处理速度快，对于单分量、高信噪比的情况能较准确地 提取瞬时频率，但在多分量或低信噪比时，提取的瞬时频率会出现跳变和偏差，无法正确解 算目标微动参数;Hough变化抗噪和抗断续性好，能获得精准的瞬时频率估计，但前提是必 须预知信号的微多普勒频率调制规律，根据不同的规律建立不同的参数模型，这对于非合 作目标并不适用。对于兼具信号分离和特征提取能力的Hilbert-Hough变换(HHT)方法，绕 开时频分析，具有完全的自适应性和信号分离的能力，适合多分量突变信号，能够实现真正 意义上的瞬时频率提取。但基于经验模态分解(EMD)的信号分离，在信号时间尺度存在跳跃 性变化时存在模态混叠和尺度分辨率受限的问题，会直接影响Hilbert变换的结果，而且 EMD方法计算量大，导致实时性差，影响在工程中的应用。为解决现有方法的不足，需要提出 一种更好的目标微多普勒特征分离和提取方法。
【发明内容】
[0005] 本发明的目的在于提供一种基于边缘检测的目标微多普勒特征分离提取方法，利 用对回波信号的时频分布图进行边缘检测的原理，解决重叠图像边缘信息完全丢失的问 题，实现回波信号为两分量信号情况下目标微多普勒特征的分离和参数提取。
[0006] 本发明的技术方案为：
[0007] -种基于边缘检测的目标微多普勒特征分离提取方法，包括以下步骤：
[0008] (1)采用平滑伪Winger-Ville分布时频分析方法对采集的目标微动相干激光雷达 探测回波信号进行处理，得到所述回波信号的时频分布矩阵p(t，f);所述回波信号由两个 分量构成，所述时频分布矩阵p(t，f)中的元素数值表示回波信号在时频面上的能量分布；
[0009] (2)将所述时频分布矩阵P(t，f)对应的时频分布图看作是一幅灰度图像，对所述 灰度图像进行对比度增强和边缘锐化处理，得到增强后的图像矩阵Penh(t，f);所述时频分 布图的横坐标表示时间t对应于时频分布矩阵P(t，f)的列，所述时频分布图的纵坐标表示 频率f，对应于时频分布矩阵p (t，f)的行；
[0010] ⑶利用边缘检测算子对增强后的图像矩阵Pe3nh(t，f)进行边缘检测，得到由"0"、 "Γ组成的边缘矩阵Edge(t，f)，其中，"Γ的位置对应回波信号边缘位置；
[0011] (4)在所述边缘矩阵Edge(t，f)中，基于同一分量边缘斜率的惯性原则对回波信号 的两个分量进行分离，同时提取两个分量的边缘位置坐标，分别记录到两个分量的上、下边 界坐标一维矩阵boundup j (1，η)和bounddown j (l，n)中，其中，当j = l时，表示分量1，当j = 2 时，表示分量2，η等于边缘矩阵Edge (t，f)的列数；
[0012] (5)在时频分布矩阵P(t，f)中分别计算两个分量在时间上的能量分布重心，并由 两个分量的上、下边界确定所述能量分布重心的计算范围，得到两个分量的瞬时频率变化 规律曲线；
[0013] (6)对照时频分布矩阵P(t，f)中真实的时间、频率范围，对所述瞬时频率变化规律 曲线进行坐标尺度变换，然后对坐标尺度变换后的瞬时频率变化规律曲线进行分析，提取 目标微多普勒特征参数。
[0014] 所述的基于边缘检测的目标微多普勒特征分离提取方法，所述步骤(2)中，对所述 灰度图像进行对比度增强和边缘锐化处理，得到增强后的图像矩阵Penh(t，f)，具体包括以 下步骤：
[0015] a、采用对比度非线性增强算法，拉大中间灰度的对比度；
[0016] b、采用梯度法对对比度增强后的图像边缘进行非线性锐化，
[0017] c、设置阈值，对锐化后的图像进行二值化处理、滤波，得到增强后的图像矩阵penh (t，f)〇
[0018] 所述的基于边缘检测的目标微多普勒特征分离提取方法，所述步骤(3)中，所述边 缘检测算子采用二阶Canny算子。
[0019] 所述的基于边缘检测的目标微多普勒特征分离提取方法，所述步骤(4)，具体包括 以下步骤：
[0020] a、对边缘矩阵Edge(t，f)对应的图像中各条边界的纵坐标求平均值并取整，使每 条边界在每一时刻只对应一个位置，得到新的边缘矩阵Edgemean( t，f);
[0021] b、在所述新的边缘矩阵Edgemean(t，f)中求出回波信号整体的上、下边界坐标一维 矩阵mixup( 1，n)和mixdown( 1，n);
[0022] c、求两个分量的上边界：
[0023] c 1、将所述回波信号整体的下边界坐标一维矩阵mi xdown (1，η)中的元素数值按照 一定的非线性规则向上平移，偏移量为回波信号能量分布宽度对应的坐标距离，得到回波 信号整体新的下边界坐标一维矩阵mixdownu(l，η);
[0024] c2、根据同一分量边缘斜率的惯性原则，设定斜率的判定条件，从所述回波信号整 体的上边界坐标一维矩阵mixup( 1，n)中的第一个点开始逐点检测；
[0025] c3、当mixup(l，n)中的某被检测点满足判定条件时，将该点存入分量1的上边界坐 标一维矩阵boundupi(1，η)中的对应位置上，并对mixup (1，η)中该点的下一个点进行同样 的检测，依次类推；
[0026] c4、直至当mixup(l，η)中的某被检测点不满足判定条件时，将mixdownu(l，η)中与 该点处于相同位置上的点存入boundupi (1，η)中的对应位置上，并从mi xdownu (1，η)中与该 点处于相同位置上的点的下一个点开始逐点检测；
[0027] c5、当mixdownu(l，η)中的某被检测点满足判定条件时，将该点存入boundupi(l，η) 中的对应位置上，并对m i xdownu (1，η)中该点的下一个点进行同样的检测，依次类推；
[0028] c6、直至当mixdonu(l，n)中的某被检测点不满足判定条件时，将mixup(l，n)中与 该点处于相同位置上的点存入boundupi (1