基于外輻射源的含旋轉部件目標微動中心提取

摘 要： 針對基于外輻射源的無源雷達系統中，含旋轉部件目標的微動中心位置不能夠被有效提取這一問題，提出了一種基于逆Randon變換的微動中心提取方法。該方法首先利用子孔徑綜合成像方法對目標進行成像，然后結合已經獲知的目標旋轉部件的旋轉頻率、半徑和初始相位信息，沿旋轉部件的所有可能的旋轉軌跡在子孔徑綜合成像的結果上進行逆Randon變換，然后通過提取逆Randon變換的峰值位置即可完成對旋轉中心的提取。最后，仿真驗證了該算法的有效性。

關鍵詞： 無源雷達； 微動特征； 子孔徑綜合； 逆Randon變換

中圖分類號： TN929.5?34 文獻標識碼： A 文章編號： 1004?373X（2013）15?0001?04

Micro?motion center extraction of target with rotating parts based on external illuminator

MA Sai1， DENG Dong?hu1， ZHOU Liang2， CHU Yi?fan3， DAI Jing1， YANG Xiang?xing1

（1. School of Information and Navigation， AFEU， Xi’an 710077， China； 2. Beijing Special Vehicle Research Institute， Beijing 100072， China；

3. Unit 94865 of PLA， Hangzhou 310021， China）

Abstract： In the passive radar system based on external illuminator， the micro?motion center of the target with rotating parts can’t be extracted effectively. To overcome this limitation， a method of the micro?motion center extraction based on the inverse Randon transform is proposed. The target is imaged by the sub?apertures synthesis imaging method， and then in combination with the known information of rotational frequency， radius and initial phase of the target rotating parts， the inverse Randon transform is conducted based on the sub?aperture synthesis imaging result of all the possible rotating track along the rotating parts， and by extracting the peak value of the inverse Randon transform to pick up the rotating center. The effectiveness of the algorithm is proved by the simulation.

Keywords： passive radar； micro?motion feature； sub?aperture synthesis； inverse Randon transform

0 引 言

利用電視、廣播等民用機會照射源作為輻射源的雙/多基地雷達對目標進行成像，輻射信號分布范圍廣泛[1]，可充分發揮常規雷達優勢的同時，具有較強的生存能力，且成像結果可被用于目標分類、識別等領域，具有廣闊的應用前景[2?3]。微動則是指目標或目標的組成部分除質心平動以外的振動、轉動和加速運動等微小運動[4]。目標或其結構的微動會對雷達回波信號產生附加的頻率調制，從而產生關于目標主體的多普勒譜邊帶，這種現象被稱為微多普勒效應（Micro?Doppler effect）[5?6]。微多普勒從頻率上描述了目標微動的雷達特征，反映了多普勒頻移的瞬時特性[6]。實現微多普勒信息的有效提取，有助于獲得目標的精細微動特征，并且進一步確定目標微動部件與目標主體之間的位置關系，從而為目標的分類與識別提供更為豐富的信息[7?8]。

近年來，許多有效的微動特征提取技術被相繼提出。在利用廣播、電視信號為輻射源的無源雷達成像系統中，微動特征提取方法，如時頻分析和Hough變換結合法[9]，經驗模式分解[10]，均可以獲得目標部件的旋轉頻率、半徑、初始相位等微動特征信息（為了節約篇幅，文中不再對其進行討論）。然而，這些算法卻不能完成對微動中心位置的有效提取。針對這一問題，本文首先結合子孔徑綜合成像算法得到目標的圖像，然后利用已經獲知的頻率、半徑和初始相位，沿所有可能的目標部件運動軌跡對目標圖像域進行積分，積分后的峰值位置即為旋轉中心的位置，從而對旋轉中心的提取。最后，仿真實驗驗證了本文算法的有效性。

1 外輻射源雷達系統回波信號分析

在散射點模型下，將目標回波進行平動補償轉化為轉臺模型。以目標的中心[O]為原點，建立直角坐標系[xOy，]如圖1所示。

圖1 基于外輻射源的無源雷達系統含

旋轉部件目標轉臺成像模型

接收站位與原點之間的距離為[R0′，]其連線與[y]軸正半軸的夾角為[α]（定義在[y]軸正半軸上[α]為[0rad]，沿順時針方向[α]增加）。第[i]個通信基站（[i=1，2，…，N，][N]為用于成像的基站的個數）到原點的距離為[Ri]，其連線與[y]軸正半軸的夾角為[βi]。散射點[P]繞點[Q]進行旋轉，旋轉半徑、旋轉頻率和初始相位分別為[rP，fP，θP]（為了闡述方便，旋轉頻率對應的自變量為轉臺目標的轉動角度）。設旋轉中心點[Q]到原點的距離為[TQ]，與[y]軸正半軸的夾角為[φQ]。因此，接收站、通信基站[i]和散射點[Q]的初始位置，可分別用極坐標格式表達為[R0′，α，][Ri，βi]和[TQ，φQ]。定義基站[i]和接收站到散射點[Q]的距離分別為[ri，Q]和[r0，Q′]。

對于外輻射源信號，通過濾波器提取其載波分量，可獲得所需的單頻連續波照射信號[2]。因此，可假設基站[i]的發射信號為：

[pt=ej2πfit+ψi] （1）

式中：[fi]為基站發射信號的載頻；[ψi]為初始相位。

若目標旋轉的角度為[Ω]，則旋轉點[P]的瞬時極坐標由[TP0，φP0]改變為[TPΩ，φPΩ]，其中：

[TPΩ=r2P+T2Q+2TQrPcos2πfPΩ+θP-φQ] （2）

[φPΩ=arctanrPsin2πfPΩ+θrot+TQsinφQrPcos2πfPΩ+θrot+TQcosφQ] （3）

由于旋轉點[P]到基站[i]的距離[ri，Q?TPΩ]，到接收站的距離[r0，P′?TPΩ]，因此可將旋轉點[P]到外輻射源[i]和接收機的距離分別近似為：

[ri，PΩ=Ri-TPΩcosφPΩ-βi] （4）

[r0，P′Ω=R0′-TPΩcosφPΩ-α] （5）

由此可知，接收到的來自輻射源[i]，經過旋轉點[P]反射的回波信號為[2]：

3 仿真實驗

為了驗證算法的有效性，進行以下仿真驗證。

仿真條件為：假設外輻射源載頻均為880 MHz，蜂窩網由18個基站組成；目標位于坐標軸原點處，各基站分布情況如圖2所示（圖中，標注實心的地方為基站的位置），其坐標分別為：[-33R2，R2，][-33R2，-R2，][-3R，2R，][-3R，-2R，][-3R2，R2，][-3R2，-R2，][-3R2，5R2，][-3R2，-5R2，][0，R，][0，-R，][3R2，R2，][3R2，-R2，][3R2，5R2，][3R2，-5R2，][3R，2R，][3R，-2R，][33R2，R2，][33R2，-R2，]其中，小區半徑[R=8]km，這樣外圍移動通信基站離目標的距離為21.17 km；接收站距離目標20 km，與[y]軸正半軸的夾角為[2π3]；目標以300 m/s的速度，沿與[y]軸正半軸夾角為[π4]的方向運動。

圖2 基于民用移動通信信號的無源雷達基站分布示意圖

在仿真中，接收站均勻分布在距離目標20 km的圓上，即各接收站的坐標為（20，0°），（20，72°），（20，144°），（20，216°），（20，288°），半徑單位為km。目標的極坐標位置為：（0，0°），（2，45°），（2，135°），（2，225°），半徑以m為單位，目標的散射點模型如圖3所示。

假設目標總的旋轉角度為3.3°（成像時間小于4 s），目標每旋轉0.01°時對接收數據進行一次采樣。假設一旋轉點圍繞點（2，315°）進行旋轉，旋轉半徑為2 m，初始相位為0°，目標每轉動1°，旋轉部件將旋轉200個周期。此時得到的目標像和微動中心像分別如圖4，圖5所示。

從圖4中可以看出，在利用多基站的CDMA信號來實現對目標的子孔徑成像時，與寬帶雷達不同，微多普勒信息并不會對目標的主體像造成污染。同時，成像效果也較為理想。

圖3 目標散射點模型

圖4 含旋轉部件目標主體成像結果圖

另外，由圖5可知，目標部件旋轉中心位于點（2，315°），與實際情況相符。可見，利用逆Randon變換沿微動部件的運動軌跡對回波信號能量進行積分，可以很好地實現對目標微動中心的提取，從而有利于對目標的分類、識別。

圖5 含旋轉部件目標旋轉中心成像結果圖

4 結 論

本文利用已經獲知的頻率、半徑和初始相位等目標部件微動特征信息，然后采用逆Randon變換算法，沿所有可能的目標部件運動軌跡對目標成像結果進行積分，通過檢測逆Randon變換的峰值，完成對旋轉中心的提取。本文的研究內容，可廣泛用于直升機等目標，通過判定其旋翼和尾翼的位置，為該類目標的分類和識別提供更為豐富的信息。

參考文獻

[1]王卓，王立志.一種單源單站模式下空間無源定位新技術研究[J].現代電子技術，2011，34（15）：15?18.

[2]張馨文，王俊.基于多電視臺子孔徑綜合的無源雷達成像算法[J].電子與信息學報，2007，29（3）：528?531.

[3]HOWLAND P E. Target tacking using television?based bistatic radar [J]. IEEE Proceedings of Radar， Sonar and Navigation， 1999， 146（3）： 166?174.

[4]CHEN V C. Analysis of radar micro?Doppler with time?frequency transform [C]// Proceedings of the 10th IEEE Workshop on Statistical Signal and Array Processing. Pocono Manor， PA： IEEE， 2000： 463?466.

[5]CHEN V C， LI F Y， HO S S， et al. Micro?Doppler effect in radar： phenomenon， model and simulation study [J]. IEEE Transactions on Aerospace and Electronic Systems， 2006， 42（1）： 2?21.

[6]莊釗文，劉永祥，黎湘.目標微動特性研究進展[J].電子學報，2007，35（3）：520?525.

[7]朱仁飛，張群，羅迎，等.含旋轉部件目標雙基地ISAR微動特征提取及成像研究[J].電子與信息學報，2010，32（10）：2359?2364.

[8]徐林，袁仕繼，李康樂，等.非剛體目標運動建模與寬帶雷達回波仿真[J].現代電子技術，2009，32（23）：8?10.

[9]LIU Y X， LI X， ZHUANG Z W. Estimation of micro?motion parameters based on micro?Doppler [J]. IET Signal Processing， 2010， 4（3）： 213?217.

[10]BAI X R， XING M D， ZHOU F， et al. Imaging of micromotion targets with rotating parts based on empirical?mode decomposition [J]. IEEE Transactions on Geoscience and Remote Sensing， 2008， 46（11）： 3514?3523.