论文部分内容阅读
雷达探测运动目标时,雷达接收信号的载波频率会与发射信号的载波频率之间存在偏移,这种频率偏移现象被称为多普勒效应。另外,目标或目标上的微小运动在接收信号上会引起额外的频率调制,这种频率调制现象被称为微多普勒(micro-Doppler)效应。微多普勒效应产生的微多普勒信号中包含了目标的许多特征参数信息,如果能将这些特征参数准确估计出来,将有助于改善目标的检测与识别功能。但是,微多普勒信号会与多普勒信号混合在一起,我们需先将微多普勒信号从混合信号中恢复出来,再对微多普勒信号进行参数估计。因此,本文利用多普勒信号和微多普勒信号之间时频统计特性的差异,首先研究一种基于压缩感知的多普勒信号重构技术,用于恢复微多普勒信号;另外,为了改善微多普勒信号参数估计性能,本文提出一种基于参数化稀疏表示的微多普勒信号参数估计算法,并将其应用于直升机机型识别领域。本文的主要工作如下:1.研究基于时频域统计特性的微多普勒信号恢复方法。根据多普勒信号以及微多普勒信号在时频域的不同分布特点,利用直方图统计提取出只包含多普勒信号信息的时频系数,接着基于压缩感知理论对多普勒信号进行重构,最后根据重构出来的多普勒信号以及原混合信号实现微多普勒信号的恢复。2.研究基于参数化稀疏表示的微多普勒信号参数估计方法(IPOMP算法)。微多普勒信号包含三个主要参数:角频率、多普勒幅度以及初始相位。本文将微多普勒信号进行稀疏表示,将微多普勒信号参数估计问题转化为稀疏信号重构问题。其中,角频率对微多普勒信号特征的影响最大,该算法对角频率进行参数化稀疏表示,同时,为了降低计算负担,该算法对多普勒幅度和初始相位进行离散化稀疏表示。为了参数化表示角频率,该算法首先将可能存在微多普勒信号的角频率区间进行离散化,通过匹配追踪类算法找出与真实微多普勒信号角频率最接近的离散角频率网格;然后将真实微多普勒信号近似表示为最近离散角频率网格处的一阶泰勒展开,将真实角频率的估计问题转化为真实角频率与最近离散角频率网格的偏差值的估计问题。通过交替优化的方式,该算法可有效估计出最近离散角频率网格和角频率偏差值。3.将IPOMP算法应用于直升机机型识别领域。本文首先分析由直升机主旋翼产生的微多普勒信号模型;然后利用IPOMP算法从直升机主旋翼产生的微多普勒信号中估计出角频率参数,并将其用于直升机机型识别。仿真结果表明,对于主旋翼的叶片数目相同且旋转速率相近的直升机,该算法可以获得较高的机型识别率。