基于GSWD-Viterbi的彈道目標(biāo)微動(dòng)特征提取算法

李靖卿,馮存前,賀思三,唐東麗

(空軍工程大學(xué)防空反導(dǎo)學(xué)院,西安 710051)

?

基于GSWD-Viterbi的彈道目標(biāo)微動(dòng)特征提取算法

李靖卿,馮存前,賀思三,唐東麗

(空軍工程大學(xué)防空反導(dǎo)學(xué)院,西安 710051)

針對(duì)彈道目標(biāo)信號(hào)分量多、噪聲敏感性強(qiáng)以及各散射點(diǎn)強(qiáng)度變化范圍大的問(wèn)題,提出一種新的彈道目標(biāo)微多普勒特征提取算法。在滑動(dòng)模型的基礎(chǔ)上,首先在時(shí)域進(jìn)行GSWD變換,然后通過(guò)Viterbi算法依次提取出各信號(hào)分量,最后利用逆S變換在時(shí)域內(nèi)重構(gòu)信號(hào)來(lái)實(shí)現(xiàn)降噪,并運(yùn)用求和平均誤差補(bǔ)償方法求出目標(biāo)的微多普勒信息。結(jié)果表明,該方法抗噪性好,較為準(zhǔn)確的提取出彈道目標(biāo)的微多普勒參數(shù)。

GSWD;Viterbi算法;彈道目標(biāo);特征提取

0 引言

微多普勒信息提取技術(shù)是實(shí)現(xiàn)彈道目標(biāo)識(shí)別的關(guān)鍵技術(shù)之一[1]。作為非合作目標(biāo),彈道目標(biāo)對(duì)先驗(yàn)信息比較敏感,而目標(biāo)的微動(dòng)特性恰好不甚依賴(lài)于先驗(yàn)要求,能夠被精密雷達(dá)獲取。V.C.Chen首先將時(shí)頻分析方法引入到目標(biāo)微多普勒參數(shù)的提取[2]中,為彈道目標(biāo)識(shí)別提供了新的研究思路。文獻(xiàn)[3]利用STFT和AP聚類(lèi)相結(jié)合的方法,在混合信號(hào)模型的基礎(chǔ)上,分離出多分量非平穩(wěn)信號(hào),但STFT時(shí)頻分辨率不高。文獻(xiàn)[4]采用連續(xù)小波變換(CWT)來(lái)處理無(wú)線電波傳感器信號(hào),取得了較好的測(cè)量精度,但CWT無(wú)法準(zhǔn)確得到目標(biāo)信號(hào)的相位信息,且所得頻譜幅值受限于頻率的變化。文獻(xiàn)[5]在Wigner-Ville分布(WVD)上構(gòu)造正交基窗函數(shù),有效的實(shí)現(xiàn)了旋轉(zhuǎn)機(jī)構(gòu)的提取及故障診斷,但依然存在交叉項(xiàng)。

綜合這些方法和特點(diǎn),文中采用廣義S變換(GSWD)[6]與Viterbi算法[7]相結(jié)合的方法,它能有效的分離并提取出彈道目標(biāo)的微多普勒特征。仿真表明,該方法適用于強(qiáng)噪聲環(huán)境以及信號(hào)強(qiáng)弱分明的多點(diǎn)散射情況。

1 彈道目標(biāo)多普勒數(shù)據(jù)模型

根據(jù)電磁散射理論和相關(guān)微波暗室實(shí)驗(yàn),彈道目標(biāo)可以等效為由幾個(gè)局部散射源構(gòu)成[8]。文中選取滑動(dòng)散射模型,彈道目標(biāo)微動(dòng)模型如圖1所示。圖中,O′-WVN為全局坐標(biāo)系,O-XYZ為目標(biāo)進(jìn)動(dòng)坐標(biāo)系,Z軸為進(jìn)動(dòng)軸,進(jìn)動(dòng)角為θ。由文獻(xiàn)[9]可得到滑動(dòng)散射點(diǎn)各時(shí)刻的微距離,在此基礎(chǔ)上對(duì)其求導(dǎo)可得到各等效散射點(diǎn)微速度為：

(1)

(2)

由于ξ對(duì)信號(hào)的調(diào)制作用,b、c點(diǎn)對(duì)應(yīng)的時(shí)頻曲線不滿足正弦規(guī)律。

圖1 彈道目標(biāo)微動(dòng)示意圖

2 GSWD-Viterbi提取方法

2.1 廣義S變換

目標(biāo)的微多普勒信號(hào)屬于非平穩(wěn)時(shí)變信號(hào),S變換綜合了STFT與CWT的優(yōu)點(diǎn),能在強(qiáng)噪聲環(huán)境中有效提取目標(biāo)的時(shí)頻信息,具有無(wú)損可逆性等特點(diǎn)[6]。S變換定義為:

(3)

式中：h(τ)為連續(xù)函數(shù),可以離散化。由于S變換與Fourier變換呈互逆關(guān)系,S逆變換可表示為[6]:

(4)

2.2 Viterbi算法

由于彈道目標(biāo)的微多普勒特征是相互交聯(lián),GSWD雖然濾除部分噪聲,但依然不足以實(shí)現(xiàn)微動(dòng)特征的有效抽取。為了進(jìn)一步降低噪聲以及信號(hào)的大動(dòng)態(tài)性對(duì)時(shí)頻信息的影響,文中采用Viterbi算法對(duì)GSWD過(guò)濾后的時(shí)頻信息進(jìn)行抽取,得到的頻率估計(jì)路徑的最小化表達(dá)式為[7]:

(5)

式中:n∈[s1,s2];g(x,y)=g(|x-y|)為相對(duì)于|x-y|的懲罰函數(shù),是單調(diào)非增的;h(x)為GS(n,k(n))的懲罰函數(shù),是單調(diào)非減的。Viterbi算法能依據(jù)能量大小對(duì)多分量信號(hào)進(jìn)行逐次抽取,抽取效果較好[7]。

2.3 微多普勒信息提取與分析

目標(biāo)信號(hào)經(jīng)GSWD和Viterbi處理后,得到了各分量信號(hào)的時(shí)頻圖。根據(jù)S變換的無(wú)損可逆性,經(jīng)S逆變換還原出的目標(biāo)時(shí)域信號(hào)能較好地反映原始信號(hào)特征,此時(shí)得到目標(biāo)信號(hào)的誤差系數(shù)為:

(6)

由文獻(xiàn)[7]可知,Viterbi算法中門(mén)限Δ的選取確定了瞬時(shí)頻率的提取精度。在預(yù)先設(shè)定Δ值的情況下,通過(guò)Δ±ξΔ處理對(duì)門(mén)限進(jìn)行微調(diào),然后利用瞬時(shí)頻率加權(quán)平均的方法,得到目標(biāo)瞬時(shí)頻率的改進(jìn)值。具體過(guò)程如下:

Step 1利用GSWD提取目標(biāo)的微動(dòng)信息GSx(n,f);

Step 3運(yùn)用S逆變換還原出目標(biāo)的時(shí)域信息,根據(jù)式(6)求出目標(biāo)的誤差系數(shù)ξΔ;

Step 4經(jīng)過(guò)Δ±ξΔ微調(diào)處理,提取出目標(biāo)微多普勒改進(jìn)值;

Step 5重復(fù)2步到4步{I,I∈N+}次,I由該算法的應(yīng)用與用途決定,文中取I=3;

(7)

3 仿真結(jié)果

當(dāng)SNR=0 dB時(shí),分別采用STFT、經(jīng)小波消噪的SPWV、GSWD提取目標(biāo)的微多普勒信息,具體見(jiàn)圖2?？梢钥闯?STFT的時(shí)頻分辨率最低;經(jīng)小波消噪的SPWV處理后,信號(hào)時(shí)頻分辨率較高,但弱信號(hào)c點(diǎn)模糊不清,而且交叉項(xiàng)很?chē)?yán)重;GSWD時(shí)頻分辨率次之,但有較好的時(shí)頻邊緣特性,弱信號(hào)也較為清晰。

圖2 信噪比為0 dB時(shí)回波信號(hào)時(shí)頻分析

當(dāng)SNR=-5 dB時(shí),圖3(a)為此時(shí)GSWD處理后的目標(biāo)時(shí)頻圖,圖3(b)為第3次處理后經(jīng)Viterbi算法提取出的a點(diǎn)的時(shí)頻信息,圖3(c)、圖3(d)分別為經(jīng)第1次和第3次處理前后信號(hào)的相對(duì)誤差比較分析圖。可以看出,經(jīng)文中的求和平均誤差補(bǔ)償方法處理后,能較好的提取出目標(biāo)的時(shí)頻信息。

圖3 信噪比為-5 dB時(shí)GSWD-Viterbi方法

表1為不同信噪比時(shí)文獻(xiàn)[7]與文中方法的微動(dòng)頻率估計(jì)的均方根誤差(RMSE)。經(jīng)對(duì)比分析發(fā)現(xiàn),文獻(xiàn)[7]的方法與文中方法在信噪比高于0 dB時(shí),估計(jì)性能相差不大;當(dāng)信噪比較低時(shí),特別是信噪比小于-4 dB時(shí),文中方法估計(jì)性能優(yōu)于文獻(xiàn)[7]的方法,這是由于文獻(xiàn)[7]雖然利用統(tǒng)計(jì)平均的方法求取目標(biāo)微多普勒特征,但B分布存在交叉項(xiàng),必然會(huì)影響Viterbi算法的估計(jì)性能。而文中方法則不存在此類(lèi)情況,且文中方法利用S變換的無(wú)損可逆性,有效的調(diào)節(jié)Viterbi算法中門(mén)限的選取,抗噪性較強(qiáng)。

表1 不同信噪比下雷達(dá)所測(cè)目標(biāo)尺寸的均方根誤差

4 結(jié)論

文中利用廣義S變換與Viterbi算法相結(jié)合的方法提取目標(biāo)的微多普勒特性,有效的解決了強(qiáng)噪聲條件下彈道目標(biāo)多點(diǎn)散射的提取問(wèn)題。仿真結(jié)果表明,文中方法估計(jì)性能明顯優(yōu)于STFT和SPWV,且文中提出的求和平均誤差補(bǔ)償方法有效提高了瞬時(shí)頻率的估計(jì)精度,在低信噪比時(shí)優(yōu)于文獻(xiàn)[7]的統(tǒng)計(jì)平均方法。

[1] Liu Lihua, McLemon Des, Ghogho Mounir, et al. Ballistic missile detection via micro-Doppler frequency estimation from radar return [J]. Elsevier Digital Signal Processin g, 2012, 22(1): 87-95.

[2] Chen V C. Joint time-frequency analysis for radar signal and imaging [C]∥Proceedings of IEEE International Symposium on Geosciences and Remote Sensin g, Barcelona, 2007: 5166-5169.

[3] Sattar F, Driessen P F. Non-stationary signals separation usin g STFT and affinity propagation clustering algorithm [C]∥2013 IEEE Pacific Rim Conference on Communications, Computers and Signal Processin g, PACRIM, 2013: 27-29.

[4] Khablov D V. The direct continuous wavelet transformation in the processin g of radio-wave sensor signals [J]. Springer Measurement Techniques, 2013, 56(5): 510-516.

[5] Liu W Y. Auto term window method and its parameter selection [J]. Elsevier Measurement, 2013, 46(9): 3113-3118.

[6] Kamran Kazemi, Mohammadreza Amirian. The S-transform usin g a new window to improve frequency and time resolutions [J]. Springer Signal, Image and Video Processing, 2014, 8(3): 533-541.

[7] Li Po, Wang Dechun, Wang Lu. Separation of micro-Doppler signals based on time frequency filter and Viterbi algorithm [J]. Signal, Image and Video Processin g, 2013, 7(3): 593-605.

[8] 黃培康, 殷紅成, 許小劍. 雷達(dá)目標(biāo)特性 [M]. 北京: 電子工業(yè)出版社, 2005.

[9] 張棟, 馮存前, 賀思三, 等. 組網(wǎng)雷達(dá)彈道目標(biāo)三維微動(dòng)特征提取 [J]. 空軍工程大學(xué)學(xué)報(bào), 2014, 15(4): 34-37.

Micro-motion Feature Extraction Algorithm of Ballistic Target Based on GSWD-Viterbi

LI Jingqing,FENG Cunqian,HE Sisan,TANG Dongli

(Air and Missile Defense College, Air Force Engineering University, Xi’an 710051, China)

Since ballistic targets have several inherent problems such as multi-component, strong noise sensitivity and great dynamic characteristics of scattering point’s intensity, a new feature extraction algorithm of ballistic target was proposed. The time-frequency distribution of target was firstly analyzed by the generalized S-Wigner distribution (GSWD) based on the micro-motion models of sliding scattering center. Then, the instantaneous Doppler frequency was orderly obtained by Viterbi algorithm. Lastly, the signal of time field was rebuilt by the adverse S transform to reduce the noise, and the micro-Doppler information of the target was extracted by the sum-mean error compensation method. The result indicates that the method can get precious micro-Doppler parameters of ballistic targets and has good capability of anti-noise.

GSWD; Viterbi algorithm; ballistic target; feature extraction

2014-09-17

國(guó)家自然科學(xué)基金(61372166);陜西省自然科學(xué)基金(2014JM8308)資助

李靖卿(1989-),男,湖北天門(mén)人,碩士研究生,研究方向:雷達(dá)信號(hào)處理及創(chuàng)新戰(zhàn)法研究。

TN957

A