一种多维多域的微动信号降噪方法
发布时间：2022-01-15 12:37
针对窄带雷达微动目标回波信号具有的非平稳特点,提出了一种多维多域的微动信号降噪方法。首先,通过相参积累构建权函数,对回波距离维进行加权,将距离维上的噪声滤除;其次,对微动目标所在距离单元的信号进行奇异谱分析,保留奇异值较大的微动信号,滤除奇异值较小的噪声,并将方位维时域信号变换到时频域,通过定义风险函数,利用步长迭代的方法对时频谱进行自适应阈值滤波,选择出具有最佳去噪效果的时频滤波结果;最后,仿真和实验均验证了本文方法的降噪效果。
【文章来源】：中国电子科学研究院学报. 2020,15(08)北大核心
【文章页数】：7 页
【部分图文】：
权函数构建示意图
为了更加清晰得到本文方法对噪声的抑制效果，仿真选择3个旋翼叶片共10个散射点，模型如图2所示，叶片长度为l=6 m，且本文定义的信噪比为脉压后的信噪比。具体仿真参数如表1所示。图3是脉冲压缩后信噪比为3 dB的回波;图4是对脉冲压缩后回波进行距离维加权处理后的结果;图5是对图4中目标所在距离单元进行STFT时频分析的结果;图6是对图4中目标所在距离单元进行SSA降噪后的时频结果进行自适应阈值滤波的风险函数曲线，此时的步长迭代次数为200次;图7是自适应时频滤波后的最佳降噪结果;图8是本文方法与小波降噪[2](方法1)、频率域降噪[18](方法2)和EEMD降噪[8](方法3)对图4中目标所在距离单元进行降噪后的时频结果与无噪声时的时频结果的均方根误差。
从图3和图4可以看出，在脉压后信噪比为3 dB时，已经很难检测到旋翼目标所在的距离单元，但是经过相参积累的办法构建权函数，对回波距离维进行加权，可以很好的对回波距离维进行降噪，并且降噪后可以清晰的得到旋翼目标所在的距离单元。但是由于目标所处距离单元权值为1，该距离单元内噪声并不会发生变化，从图5可以看到，对其进行STFT处理，其时频结果存在大量噪声，因此，对方位维进行降噪很有必要。对回波方位维进行SSA降噪处理后，可以将与微动目标信号频率没有发生混叠的高频部分噪声全部去除，但是与微动目标信号具有相近频率的噪声仍有残留，这是由于在进行SSA处理时选择了较大的奇异值对信号进行了重构，这部分奇异值不完全都是由目标信号贡献，其中仍有少量噪声，对SSA降噪结果进行自适应阈值时频滤波，当图6中风险函数曲线第一次取局部最小值时降噪效果达到最佳，此时既在最大程度上消除了SSA处理后残留的噪声，同时也在最大程度上保证了微动目标的时频特征。从图8可以看出，本文方法相比于常用的小波降噪、频率域降噪和EEMD降噪具有更好的降噪性能。图4 距离维降噪结果
【参考文献】：
期刊论文
[1]基于CEMD的旋翼微动目标杂波抑制方法[J]. 夏赛强,向虎,陈文峰,杨军,陈一畅. 航空学报. 2018(09)
[2]一种旋翼叶片微动特征提取新方法[J]. 陈永彬,李少东,杨军,陈梁栋. 雷达科学与技术. 2017(01)
[3]集合背景误差方差中小波阈值去噪方法研究及试验[J]. 刘柏年,皇群博,张卫民,任开军,曹小群,赵军. 物理学报. 2017(02)
[4]基于改进奇异谱分析的信号去噪方法[J]. 戴豪民,许爱强,孙伟超. 北京理工大学学报. 2016(07)
[5]旋翼叶片回波建模与闪烁现象机理分析[J]. 陈永彬,李少东,杨军,曹芙蓉. 物理学报. 2016(13)
[6]基于STFT时频谱系数收缩的信号降噪方法[J]. 郭远晶,魏燕定,周晓军. 振动.测试与诊断. 2015(06)
[7]基于经验模态分解及独立成分分析的微震信号降噪方法[J]. 贾瑞生,赵同彬,孙红梅,闫相宏. 地球物理学报. 2015(03)
[8]一种改进的窄带信号降噪算法及其应用[J]. 宋军,刘渝,王旭东. 振动与冲击. 2013(16)
[9]过渡内蕴模态函数对经验模态分解去噪结果的影响研究及改进算法[J]. 李月,彭蛟龙,马海涛,林红波. 地球物理学报. 2013(02)
[10]基于EEMD的振动信号自适应降噪方法[J]. 陈仁祥,汤宝平,马婧华. 振动与冲击. 2012(15)
本文编号：3590628
【文章来源】：中国电子科学研究院学报. 2020,15(08)北大核心
【文章页数】：7 页
【部分图文】：
权函数构建示意图
为了更加清晰得到本文方法对噪声的抑制效果，仿真选择3个旋翼叶片共10个散射点，模型如图2所示，叶片长度为l=6 m，且本文定义的信噪比为脉压后的信噪比。具体仿真参数如表1所示。图3是脉冲压缩后信噪比为3 dB的回波;图4是对脉冲压缩后回波进行距离维加权处理后的结果;图5是对图4中目标所在距离单元进行STFT时频分析的结果;图6是对图4中目标所在距离单元进行SSA降噪后的时频结果进行自适应阈值滤波的风险函数曲线，此时的步长迭代次数为200次;图7是自适应时频滤波后的最佳降噪结果;图8是本文方法与小波降噪[2](方法1)、频率域降噪[18](方法2)和EEMD降噪[8](方法3)对图4中目标所在距离单元进行降噪后的时频结果与无噪声时的时频结果的均方根误差。
从图3和图4可以看出，在脉压后信噪比为3 dB时，已经很难检测到旋翼目标所在的距离单元，但是经过相参积累的办法构建权函数，对回波距离维进行加权，可以很好的对回波距离维进行降噪，并且降噪后可以清晰的得到旋翼目标所在的距离单元。但是由于目标所处距离单元权值为1，该距离单元内噪声并不会发生变化，从图5可以看到，对其进行STFT处理，其时频结果存在大量噪声，因此，对方位维进行降噪很有必要。对回波方位维进行SSA降噪处理后，可以将与微动目标信号频率没有发生混叠的高频部分噪声全部去除，但是与微动目标信号具有相近频率的噪声仍有残留，这是由于在进行SSA处理时选择了较大的奇异值对信号进行了重构，这部分奇异值不完全都是由目标信号贡献，其中仍有少量噪声，对SSA降噪结果进行自适应阈值时频滤波，当图6中风险函数曲线第一次取局部最小值时降噪效果达到最佳，此时既在最大程度上消除了SSA处理后残留的噪声，同时也在最大程度上保证了微动目标的时频特征。从图8可以看出，本文方法相比于常用的小波降噪、频率域降噪和EEMD降噪具有更好的降噪性能。图4 距离维降噪结果
【参考文献】：
期刊论文
[1]基于CEMD的旋翼微动目标杂波抑制方法[J]. 夏赛强,向虎,陈文峰,杨军,陈一畅. 航空学报. 2018(09)
[2]一种旋翼叶片微动特征提取新方法[J]. 陈永彬,李少东,杨军,陈梁栋. 雷达科学与技术. 2017(01)
[3]集合背景误差方差中小波阈值去噪方法研究及试验[J]. 刘柏年,皇群博,张卫民,任开军,曹小群,赵军. 物理学报. 2017(02)
[4]基于改进奇异谱分析的信号去噪方法[J]. 戴豪民,许爱强,孙伟超. 北京理工大学学报. 2016(07)
[5]旋翼叶片回波建模与闪烁现象机理分析[J]. 陈永彬,李少东,杨军,曹芙蓉. 物理学报. 2016(13)
[6]基于STFT时频谱系数收缩的信号降噪方法[J]. 郭远晶,魏燕定,周晓军. 振动.测试与诊断. 2015(06)
[7]基于经验模态分解及独立成分分析的微震信号降噪方法[J]. 贾瑞生,赵同彬,孙红梅,闫相宏. 地球物理学报. 2015(03)
[8]一种改进的窄带信号降噪算法及其应用[J]. 宋军,刘渝,王旭东. 振动与冲击. 2013(16)
[9]过渡内蕴模态函数对经验模态分解去噪结果的影响研究及改进算法[J]. 李月,彭蛟龙,马海涛,林红波. 地球物理学报. 2013(02)
[10]基于EEMD的振动信号自适应降噪方法[J]. 陈仁祥,汤宝平,马婧华. 振动与冲击. 2012(15)
本文编号：3590628
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3590628.html
