海面舰船目标微多普勒周期快速估计方法
发布时间：2022-01-24 07:53
提出一种海面舰船目标微多普勒周期快速估计方法。受海情影响,舰船目标处于微动状态中,导致雷达回波产生微多普勒调制。舰船微多普勒参数与舰船结构、目标动力等密切相关,是舰船目标识别的重要依据。在建立海面舰船目标雷达回波模型的基础上,分析了回波的调制特性,并提出一种微多普勒周期快速估计方法。该方法首先基于最小熵方法实现舰船目标主体平动的补偿,然后根据微多普勒区域与噪声区域的熵差异实现目标多普勒区间定位,最后计算截取区域的时频相关系数实现微多普勒周期的估计。其中微多普勒区间的定位降低了时频相关系数的计算量,使该方法的运算效率相比原有算法有较大的提升。在典型场景和雷达参数下,该方法计算效率获得2.5倍的提升。
【文章来源】：电子测量与仪器学报. 2020,34(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
舰船目标雷达观测几何
微动周期估计流程如图2所示,具体步骤如下:1)最小熵平动补偿; 2)计算时频分析;3)微多普勒区间定位;4)时频区域截取与降采样;5)计算时频相关系数;6)进行峰值检测,峰值位置为微动周期估计。3 实验与分析
雷达发射单频信号,中心频率为10 GHz,雷达回波的采样频率为500 Hz。舰船横滚幅度为18.6°,周期为10 s,偏航幅度为1.8°,周期为14.2 s,俯仰幅度为1.65°,周期为6.7 s;横向运动速度为2.5 m/s,纵向运动速度为3.0 m/s。回波信噪比为SNR=5 dB。机载雷达平台在6 km飞行高度以200 m/s的速度水平飞行。舰船回波的处理结果如图4所示。图4(a)为舰船回波的原始时频分布,本文使用的时频分布为短时傅里叶变换。由于舰船平动的存在,且其引起的多普勒超出雷达脉冲重复频率,原始时频分布出现多普勒模糊现象,从中无法观测到舰船微动。图4(b)为使用机载雷达飞行速度进行运动补偿后的时频分布,由于补偿与目标实际平动不一致,此时仍有残余平动,说明直接基于飞行速度进行运动补偿无法彻底去除目标平动影响。图4(c)给出最小熵平动补偿后的时频分布,回波的平动被成功补偿,时频分布不存在趋势项,从时频图中可明显观察到舰船微动导致的微多普勒。图4(d)为各频率单元的熵值和微多普勒区间定位结果(红色方框部分),微多普勒区间的熵明显低于噪声区域的熵。 图4(e)为截取的时频分布,舰船目标的微多普勒被有效截取。图4(f)为基于截取和降采样的时频分布计算的时频相关系数,其中降采样倍数为10,时频相关系数在-9.98、0、9.98 s出现峰值,据峰值间隔计算出舰船微多普勒周期估计为9.98 s,接近舰船的横滚周期10 s。分析可知,舰船目标的横滚较其他方向的运动分量更为剧烈,舰船微动由横滚主导,因此微动(微多普勒)周期近似为横滚周期。本文提出的估计方法可有效估计出舰船的微多普勒周期。
【参考文献】：
期刊论文
[1]一种变步长的微动目标参数高精度提取方法[J]. 夏赛强,向龙,朱名烁,陈文峰,杨军. 雷达科学与技术. 2019(05)
[2]基于多重集典型相关的深度特征融合及SAR目标识别方法[J]. 陈惠红,刘世明. 电子测量与仪器学报. 2019(09)
[3]SAR微动目标检测及其参数估计方法[J]. 李昌利,胡丽娜. 雷达科学与技术. 2019(04)
[4]基于HRRP序列的钝头倒角锥目标微动特性分析及参数估计[J]. 苏楠,戴奉周,刘宏伟. 电子与信息学报. 2019(07)
[5]微波叶尖间隙传感器信号校准研究[J]. 杨季三,徐贵力,董文德,程月华. 仪器仪表学报. 2018(10)
[6]低重频宽带雷达中小幅微动目标的周期估计[J]. 王超,叶春茂,文树梁. 系统工程与电子技术. 2018(09)
[7]基于奇异值分解的风电场杂波微动特征提取[J]. 何炜琨,郭双双,王晓亮,吴仁彪. 电子测量与仪器学报. 2017(04)
[8]一种大加速度机动目标微动参数估计方法[J]. 李彦兵,张曦文,李飞,陈大庆,高红卫. 电子与信息学报. 2017(01)
[9]海面刚体目标微动特征建模及特性分析[J]. 陈小龙,董云龙,李秀友,关键. 雷达学报. 2015(06)
[10]海面运动舰船微动特征分析与参数估计方法[J]. 杨秋,张群,吴勇,罗迎,王敏. 西安电子科技大学学报. 2015(05)
博士论文
[1]雷达目标微动特征提取与估计技术研究[D]. 李康乐.国防科学技术大学 2010
本文编号：3606184
【文章来源】：电子测量与仪器学报. 2020,34(06)北大核心CSCD
【文章页数】：7 页
【部分图文】：
舰船目标雷达观测几何
微动周期估计流程如图2所示,具体步骤如下:1)最小熵平动补偿; 2)计算时频分析;3)微多普勒区间定位;4)时频区域截取与降采样;5)计算时频相关系数;6)进行峰值检测,峰值位置为微动周期估计。3 实验与分析
雷达发射单频信号,中心频率为10 GHz,雷达回波的采样频率为500 Hz。舰船横滚幅度为18.6°,周期为10 s,偏航幅度为1.8°,周期为14.2 s,俯仰幅度为1.65°,周期为6.7 s;横向运动速度为2.5 m/s,纵向运动速度为3.0 m/s。回波信噪比为SNR=5 dB。机载雷达平台在6 km飞行高度以200 m/s的速度水平飞行。舰船回波的处理结果如图4所示。图4(a)为舰船回波的原始时频分布,本文使用的时频分布为短时傅里叶变换。由于舰船平动的存在,且其引起的多普勒超出雷达脉冲重复频率,原始时频分布出现多普勒模糊现象,从中无法观测到舰船微动。图4(b)为使用机载雷达飞行速度进行运动补偿后的时频分布,由于补偿与目标实际平动不一致,此时仍有残余平动,说明直接基于飞行速度进行运动补偿无法彻底去除目标平动影响。图4(c)给出最小熵平动补偿后的时频分布,回波的平动被成功补偿,时频分布不存在趋势项,从时频图中可明显观察到舰船微动导致的微多普勒。图4(d)为各频率单元的熵值和微多普勒区间定位结果(红色方框部分),微多普勒区间的熵明显低于噪声区域的熵。 图4(e)为截取的时频分布,舰船目标的微多普勒被有效截取。图4(f)为基于截取和降采样的时频分布计算的时频相关系数,其中降采样倍数为10,时频相关系数在-9.98、0、9.98 s出现峰值,据峰值间隔计算出舰船微多普勒周期估计为9.98 s,接近舰船的横滚周期10 s。分析可知,舰船目标的横滚较其他方向的运动分量更为剧烈,舰船微动由横滚主导,因此微动(微多普勒)周期近似为横滚周期。本文提出的估计方法可有效估计出舰船的微多普勒周期。
【参考文献】：
期刊论文
[1]一种变步长的微动目标参数高精度提取方法[J]. 夏赛强,向龙,朱名烁,陈文峰,杨军. 雷达科学与技术. 2019(05)
[2]基于多重集典型相关的深度特征融合及SAR目标识别方法[J]. 陈惠红,刘世明. 电子测量与仪器学报. 2019(09)
[3]SAR微动目标检测及其参数估计方法[J]. 李昌利,胡丽娜. 雷达科学与技术. 2019(04)
[4]基于HRRP序列的钝头倒角锥目标微动特性分析及参数估计[J]. 苏楠,戴奉周,刘宏伟. 电子与信息学报. 2019(07)
[5]微波叶尖间隙传感器信号校准研究[J]. 杨季三,徐贵力,董文德,程月华. 仪器仪表学报. 2018(10)
[6]低重频宽带雷达中小幅微动目标的周期估计[J]. 王超,叶春茂,文树梁. 系统工程与电子技术. 2018(09)
[7]基于奇异值分解的风电场杂波微动特征提取[J]. 何炜琨,郭双双,王晓亮,吴仁彪. 电子测量与仪器学报. 2017(04)
[8]一种大加速度机动目标微动参数估计方法[J]. 李彦兵,张曦文,李飞,陈大庆,高红卫. 电子与信息学报. 2017(01)
[9]海面刚体目标微动特征建模及特性分析[J]. 陈小龙,董云龙,李秀友,关键. 雷达学报. 2015(06)
[10]海面运动舰船微动特征分析与参数估计方法[J]. 杨秋,张群,吴勇,罗迎,王敏. 西安电子科技大学学报. 2015(05)
博士论文
[1]雷达目标微动特征提取与估计技术研究[D]. 李康乐.国防科学技术大学 2010
本文编号：3606184
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3606184.html
