基于微多普勒效应的微动目标特征提取方法.pdf

(19)中华人民共和国国家知识产权局*CN103344947A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103344947103344947A(43)申请公布日2013.10.09(21)申请号201310217013.X(22)申请日2013.06.04(71)申请人四川大学地址610065四川省成都市武侯区一环路南一段24号(72)发明人李智彭明金王强(51)Int.Cl.G01S7/41(2006.01)权权利要求书2页利要求书2页说明书3页说明书3页附图1页附图1页(54)发明名称基于微多普勒效应的微动目标特征提取方法(57)摘要本发明提出一种基于微多普勒效应的微动目标特征提取方法，首先通过引入HHT到微动目标特征提取中，针对HHT在特征提取的模态混叠的问题，提出了基于降采样EMD的HHT算法，通过对原始信号的降采样后得到的多组数据进行加噪EMD分解并求和平均，从而有效解决了HHT在振动目标特征提取中的图谱模式混叠问题，不仅抑制了原始信号的噪声，提高信噪比，还降低了多组数据的EMD运算复杂度，大大减少运算量，提高运算速度，达到了比较好的微多普勒特征提取效果。在通过综合传统时频分析方法和改进的HHT算法的优势，提出了基于改进的HHT的微多普勒特征参数提取模型，在模型中通过加入谱图峰值估计法，对传统时频分析谱图中的分辨率问题进行了改进和改善，作为HHT特征提取的辅助手段，达到提高振动目标特征提取的准确性和实用性要求。CN103344947ACN103497ACN103344947A权利要求书1/2页1.一种基于微多普勒效应的微动目标特征提取方法，其特征在于该方法主要包括以下阶段和步骤：阶段1：（1）将原始振动目标微多普勒数据进行降采样的EMD分解；（2）对得的多组IMF进行整体平均，得到供阶段2处理的IMF；阶段2：（1）将阶段1得到的IMF分别进行Hilbert变换，求得相应的Hilbert时频谱；（2）对时频谱估算微动目标的平动速度、微动幅值、微动频率等特征参数；（3）将阶段1中的IMF进行传统时频变换（STFT、WVD、SPWVD等），得到时频分布；（4）将相应时频分布图进行峰值谱图估计；（5）对峰图谱值估计图进行微动目标的平动速度、微动幅值、微动频率等特征参数，作为（2）的参数估计补充。2.根据权利要求1所述的基于微多普勒效应的微动目标特征提取方法，其中降采样EMD算法其特征在于如下步骤：（1）降采样：对原始信号数据进行等间隔的降采样，可以得到组具有较低采样率的数据；（2）加噪声：分别为每组较低采样率的数据添加一定强度的高斯白噪声，且添加的白噪声互不相同；（3）EMD分解：对（2）中得到的添加有白噪声的个序列分别进行EMD分解，进而得到相应的IMF分量；（4）求和平均：根据（3）EMD分解后的多组IMF，进行相应的求和，并得其平均值，计算结果作为原始信号的IMF分量，公式如下所示：。3.根据权利要求1所述的基于微多普勒效应的微动目标特征提取方法，其中所述的峰图谱值估计算法其特征在于如下描述：谱图峰值估计法就是利用瞬时频率能代表谱图峰值位置的特点，进行的目标瞬时频率提取，谱图峰值估计的公式如下所示：式中，为传统时频分析得到的时频变换数据，为矩阵；于是，可以得到微多普勒频率的表达式如下：其中表示目标平动的多普勒频移，可以得到一个的微多普勒频率矩阵表示，2CN103344947A权利要求书2/2页假设微多普勒信号的时长为，于是对于时刻的微多普勒频率，可以根据对微多普勒频率矩阵求（取整）值，进而读取相应列的值就可以得到相应的微多普勒频率；具体步骤如下：（1）根据时频分布矩阵，提取时刻的对应取得最大值时的纵坐标值，得到的纵坐标值就是微多普勒频率值；（2）提取所有时刻点的微多普勒频率，并存入的频率矩阵；（3）提取振动目标的振动周期，根据微多普勒频率振动曲线，提取连续出现的最大峰值点，并得到相应时间间隔，即为振动周期；（4）如果振动目标值存在相应的微小振动时，这时微多普勒频率的最大和最小值绝对值相等，符号相反，如果振动目标不仅存在微小振动，还存在体运动时，微多普勒频率的最大最小值不再大小相等，符号相反，而是在进行相应的上移或下移，其中它的移动量即为振动目标的体平移速度，因此我们有，,其振动目标的体平移速度为：。3CN103344947A说明书1/3页基于微多普勒效应的微动目标特征提取方法技术领域[0001]本发明涉及一种微多普勒效应的微动目标特征提取方法，适用于非接触的目标检测和识别领域。背景技术[0002]当探测器与被测目标间存在相对运动时便会产生多普勒频移,此现象称为多普勒效应。除相对运动外，目标自身还有其他运动如直升飞机螺旋桨的转动，轮船上旋转的雷达天线等小幅振动或转动。由自身的附加运动引起的信号频