基于GSWD-Viterbi的彈道目標微動特征提取算法

李靖卿,馮存前,賀思三,唐東麗

(空軍工程大學防空反導學院,西安 710051)

?

基于GSWD-Viterbi的彈道目標微動特征提取算法

李靖卿,馮存前,賀思三,唐東麗

(空軍工程大學防空反導學院,西安 710051)

針對彈道目標信號分量多、噪聲敏感性強以及各散射點強度變化范圍大的問題,提出一種新的彈道目標微多普勒特征提取算法。在滑動模型的基礎上,首先在時域進行GSWD變換,然后通過Viterbi算法依次提取出各信號分量,最后利用逆S變換在時域內重構信號來實現降噪,并運用求和平均誤差補償方法求出目標的微多普勒信息。結果表明,該方法抗噪性好,較為準確的提取出彈道目標的微多普勒參數。

GSWD;Viterbi算法;彈道目標;特征提取

0 引言

微多普勒信息提取技術是實現彈道目標識別的關鍵技術之一[1]。作為非合作目標,彈道目標對先驗信息比較敏感,而目標的微動特性恰好不甚依賴于先驗要求,能夠被精密雷達獲取。V.C.Chen首先將時頻分析方法引入到目標微多普勒參數的提取[2]中,為彈道目標識別提供了新的研究思路。文獻[3]利用STFT和AP聚類相結合的方法,在混合信號模型的基礎上,分離出多分量非平穩信號,但STFT時頻分辨率不高。文獻[4]采用連續小波變換(CWT)來處理無線電波傳感器信號,取得了較好的測量精度,但CWT無法準確得到目標信號的相位信息,且所得頻譜幅值受限于頻率的變化。文獻[5]在Wigner-Ville分布(WVD)上構造正交基窗函數,有效的實現了旋轉機構的提取及故障診斷,但依然存在交叉項。

綜合這些方法和特點,文中采用廣義S變換(GSWD)[6]與Viterbi算法[7]相結合的方法,它能有效的分離并提取出彈道目標的微多普勒特征。仿真表明,該方法適用于強噪聲環境以及信號強弱分明的多點散射情況。

1 彈道目標多普勒數據模型

根據電磁散射理論和相關微波暗室實驗,彈道目標可以等效為由幾個局部散射源構成[8]。文中選取滑動散射模型,彈道目標微動模型如圖1所示。圖中,O′-WVN為全局坐標系,O-XYZ為目標進動坐標系,Z軸為進動軸,進動角為θ。由文獻[9]可得到滑動散射點各時刻的微距離,在此基礎上對其求導可得到各等效散射點微速度為：

(1)

(2)

由于ξ對信號的調制作用,b、c點對應的時頻曲線不滿足正弦規律。

圖1 彈道目標微動示意圖

2 GSWD-Viterbi提取方法

2.1 廣義S變換

目標的微多普勒信號屬于非平穩時變信號,S變換綜合了STFT與CWT的優點,能在強噪聲環境中有效提取目標的時頻信息,具有無損可逆性等特點[6]。S變換定義為:

(3)

式中：h(τ)為連續函數,可以離散化。由于S變換與Fourier變換呈互逆關系,S逆變換可表示為[6]:

(4)

2.2 Viterbi算法

由于彈道目標的微多普勒特征是相互交聯,GSWD雖然濾除部分噪聲,但依然不足以實現微動特征的有效抽取。為了進一步降低噪聲以及信號的大動態性對時頻信息的影響,文中采用Viterbi算法對GSWD過濾后的時頻信息進行抽取,得到的頻率估計路徑的最小化表達式為[7]:

(5)

式中:n∈[s1,s2];g(x,y)=g(|x-y|)為相對于|x-y|的懲罰函數,是單調非增的;h(x)為GS(n,k(n))的懲罰函數,是單調非減的。Viterbi算法能依據能量大小對多分量信號進行逐次抽取,抽取效果較好[7]。

2.3 微多普勒信息提取與分析

目標信號經GSWD和Viterbi處理后,得到了各分量信號的時頻圖。根據S變換的無損可逆性,經S逆變換還原出的目標時域信號能較好地反映原始信號特征,此時得到目標信號的誤差系數為:

(6)

由文獻[7]可知,Viterbi算法中門限Δ的選取確定了瞬時頻率的提取精度。在預先設定Δ值的情況下,通過Δ±ξΔ處理對門限進行微調,然后利用瞬時頻率加權平均的方法,得到目標瞬時頻率的改進值。具體過程如下:

Step 1利用GSWD提取目標的微動信息GSx(n,f);

Step 3運用S逆變換還原出目標的時域信息,根據式(6)求出目標的誤差系數ξΔ;

Step 4經過Δ±ξΔ微調處理,提取出目標微多普勒改進值;

Step 5重復2步到4步{I,I∈N+}次,I由該算法的應用與用途決定,文中取I=3;

(7)

3 仿真結果

當SNR=0 dB時,分別采用STFT、經小波消噪的SPWV、GSWD提取目標的微多普勒信息,具體見圖2。可以看出,STFT的時頻分辨率最低;經小波消噪的SPWV處理后,信號時頻分辨率較高,但弱信號c點模糊不清,而且交叉項很嚴重;GSWD時頻分辨率次之,但有較好的時頻邊緣特性,弱信號也較為清晰。

圖2 信噪比為0 dB時回波信號時頻分析

當SNR=-5 dB時,圖3(a)為此時GSWD處理后的目標時頻圖,圖3(b)為第3次處理后經Viterbi算法提取出的a點的時頻信息,圖3(c)、圖3(d)分別為經第1次和第3次處理前后信號的相對誤差比較分析圖。可以看出,經文中的求和平均誤差補償方法處理后,能較好的提取出目標的時頻信息。

圖3 信噪比為-5 dB時GSWD-Viterbi方法

表1為不同信噪比時文獻[7]與文中方法的微動頻率估計的均方根誤差(RMSE)。經對比分析發現,文獻[7]的方法與文中方法在信噪比高于0 dB時,估計性能相差不大;當信噪比較低時,特別是信噪比小于-4 dB時,文中方法估計性能優于文獻[7]的方法,這是由于文獻[7]雖然利用統計平均的方法求取目標微多普勒特征,但B分布存在交叉項,必然會影響Viterbi算法的估計性能。而文中方法則不存在此類情況,且文中方法利用S變換的無損可逆性,有效的調節Viterbi算法中門限的選取,抗噪性較強。

表1 不同信噪比下雷達所測目標尺寸的均方根誤差

4 結論

文中利用廣義S變換與Viterbi算法相結合的方法提取目標的微多普勒特性,有效的解決了強噪聲條件下彈道目標多點散射的提取問題。仿真結果表明,文中方法估計性能明顯優于STFT和SPWV,且文中提出的求和平均誤差補償方法有效提高了瞬時頻率的估計精度,在低信噪比時優于文獻[7]的統計平均方法。

[1] Liu Lihua, McLemon Des, Ghogho Mounir, et al. Ballistic missile detection via micro-Doppler frequency estimation from radar return [J]. Elsevier Digital Signal Processin g, 2012, 22(1): 87-95.

[2] Chen V C. Joint time-frequency analysis for radar signal and imaging [C]∥Proceedings of IEEE International Symposium on Geosciences and Remote Sensin g, Barcelona, 2007: 5166-5169.

[3] Sattar F, Driessen P F. Non-stationary signals separation usin g STFT and affinity propagation clustering algorithm [C]∥2013 IEEE Pacific Rim Conference on Communications, Computers and Signal Processin g, PACRIM, 2013: 27-29.

[4] Khablov D V. The direct continuous wavelet transformation in the processin g of radio-wave sensor signals [J]. Springer Measurement Techniques, 2013, 56(5): 510-516.

[5] Liu W Y. Auto term window method and its parameter selection [J]. Elsevier Measurement, 2013, 46(9): 3113-3118.

[6] Kamran Kazemi, Mohammadreza Amirian. The S-transform usin g a new window to improve frequency and time resolutions [J]. Springer Signal, Image and Video Processing, 2014, 8(3): 533-541.

[7] Li Po, Wang Dechun, Wang Lu. Separation of micro-Doppler signals based on time frequency filter and Viterbi algorithm [J]. Signal, Image and Video Processin g, 2013, 7(3): 593-605.

[8] 黃培康, 殷紅成, 許小劍. 雷達目標特性 [M]. 北京: 電子工業出版社, 2005.

[9] 張棟, 馮存前, 賀思三, 等. 組網雷達彈道目標三維微動特征提取 [J]. 空軍工程大學學報, 2014, 15(4): 34-37.

Micro-motion Feature Extraction Algorithm of Ballistic Target Based on GSWD-Viterbi

LI Jingqing,FENG Cunqian,HE Sisan,TANG Dongli

(Air and Missile Defense College, Air Force Engineering University, Xi’an 710051, China)

Since ballistic targets have several inherent problems such as multi-component, strong noise sensitivity and great dynamic characteristics of scattering point’s intensity, a new feature extraction algorithm of ballistic target was proposed. The time-frequency distribution of target was firstly analyzed by the generalized S-Wigner distribution (GSWD) based on the micro-motion models of sliding scattering center. Then, the instantaneous Doppler frequency was orderly obtained by Viterbi algorithm. Lastly, the signal of time field was rebuilt by the adverse S transform to reduce the noise, and the micro-Doppler information of the target was extracted by the sum-mean error compensation method. The result indicates that the method can get precious micro-Doppler parameters of ballistic targets and has good capability of anti-noise.

GSWD; Viterbi algorithm; ballistic target; feature extraction

2014-09-17

國家自然科學基金(61372166);陜西省自然科學基金(2014JM8308)資助

李靖卿(1989-),男,湖北天門人,碩士研究生,研究方向:雷達信號處理及創新戰法研究。

TN957

A