雷達目標微動信號分離與參數(shù)估計方法研究.pdf

1、雷達目標運動時，目標本身或者其結(jié)構(gòu)常常伴有微動。所謂微動是指目標除自身平動之外任何微小的振動、轉(zhuǎn)動或者高階運動。目標微動會對雷達入射波產(chǎn)生一個微多普勒頻率調(diào)制，這種微多普勒頻率調(diào)制反映了目標獨一無二的精細特性，為目標探測和識別提供了一種重要的手段。近年來，雷達目標微動信號檢測、信號分離、參數(shù)估計以及特征提取等技術(shù)已成為雷達學術(shù)界和工程界的研究熱點。
　　 論文圍繞強弱兩種微動信號分離和參數(shù)估計技術(shù)展開研究。研究內(nèi)容總體上可以分成

2、兩部分。第一部分，以人體胸腔微動為例，設(shè)計了一種人體探測多普勒雷達，探討了弱微動目標的信號提取與參數(shù)估計方法。第二部分，基于點散射模型和時頻分析研究了強微動目標的多分量信號分離和參數(shù)估計技術(shù)。
　　 具體來說，本文的主要工作和貢獻主要包括以下內(nèi)容:
　　 1、基于諧波模型和頻譜分析的弱微動信號分離和振動參數(shù)估計
　　 (1)設(shè)計了一種基于商用部件的2.4GHz連續(xù)波人體探測多普勒雷達樣機，對典型的弱振動微動目標，

3、人體胸腔振動信號進行研究。實驗結(jié)果表明采用帶通濾波器提取呼吸和心跳信號，然后結(jié)合經(jīng)典功率譜估計技術(shù)，該雷達可在近距離1m內(nèi)正確估計人體的呼吸和心跳頻率。
　　 (2)針對多個弱振動散射點同時存在時，強散射點信號的諧波分量可能會淹沒弱散射點信號的問題，以人體胸腔微動為例，提出兩種諧波濾除算法。第一種方法首先估計出呼吸頻率，然后自適應產(chǎn)生其高階諧波信號對消落入心跳信號頻帶內(nèi)的諧波。第二種方法基于經(jīng)驗模態(tài)分解，將呼吸諧波分量分解在不同

4、的本征模函數(shù)中，利用相關(guān)法重組心跳信號，濾除呼吸諧波。多普勒雷達實驗結(jié)果表明，與傳統(tǒng)的帶通濾波器相比，兩種算法都可以有效提取心跳信號，去除呼吸諧波干擾，從而得到準確的心跳頻率。
　　 (3)針對傳統(tǒng)的時頻分析缺乏足夠高的時頻分辨率分析非平穩(wěn)弱微動信號的問題，將基于經(jīng)驗模態(tài)分解的諧波去除方法結(jié)合Hilbert變換，提出一種改進的Hilbert-Huang變換。非平穩(wěn)實測呼吸信號表明，相比傳統(tǒng)的短時傅里葉變換，該算法具有明顯的高分辨

5、率，從而可以有效刻畫呼吸頻率的時變特征。
　　 (4)基于弱振動信號的諧波信號幅度與振動幅度的關(guān)系，提出一種利用基頻頻域峰值比和諧波頻域峰值比的振動幅度估計算法。人體胸腔振動的仿真和多普勒雷達實驗表明，該算法在高信噪比下，可以有效提取呼吸和心跳的振動幅度。
　　 2、基于點散射模型和時頻分析的強微動信號分離和參數(shù)估計
　　 (1)針對強微動信號中多個線性調(diào)頻(LFM)和正弦調(diào)頻(SFM)分量在時頻域相互疊加的問題

6、，提出了一種基于時頻濾波器(TFF)的微多普勒信號分離和提取技術(shù)。為了計算TFF的覆蓋函數(shù)，文章采用Viterbi算法計算各個信號分量的瞬時頻率，然后設(shè)計了一種基于短時傅里葉變換的線性TFF逐次提取各個分量。仿真實驗表明，該算法能夠在相對低噪聲環(huán)境下有效分離微多普勒分量，并且與傳統(tǒng)的經(jīng)驗模態(tài)分解和小波分解相比，在計算量適中的情況下，具有更高的信號分離精度。
　　 (2)針對傳統(tǒng)的基于時頻分布的Hough變換技術(shù)估計微多普勒參數(shù)時