基于GSWD-Viterbi的弹道目标微动特征提取算法

李靖卿,冯存前,贺思三,唐东丽

(空军工程大学防空反导学院,西安 710051)



基于GSWD-Viterbi的弹道目标微动特征提取算法

李靖卿,冯存前,贺思三,唐东丽

(空军工程大学防空反导学院,西安 710051)

针对弹道目标信号分量多、噪声敏感性强以及各散射点强度变化范围大的问题,提出一种新的弹道目标微多普勒特征提取算法。在滑动模型的基础上,首先在时域进行GSWD变换,然后通过Viterbi算法依次提取出各信号分量,最后利用逆S变换在时域内重构信号来实现降噪,并运用求和平均误差补偿方法求出目标的微多普勒信息。结果表明,该方法抗噪性好,较为准确的提取出弹道目标的微多普勒参数。

GSWD;Viterbi算法;弹道目标;特征提取

0 引言

微多普勒信息提取技术是实现弹道目标识别的关键技术之一[1]。作为非合作目标,弹道目标对先验信息比较敏感,而目标的微动特性恰好不甚依赖于先验要求,能够被精密雷达获取。V.C.Chen首先将时频分析方法引入到目标微多普勒参数的提取[2]中,为弹道目标识别提供了新的研究思路。文献[3]利用STFT和AP聚类相结合的方法,在混合信号模型的基础上,分离出多分量非平稳信号,但STFT时频分辨率不高。文献[4]采用连续小波变换(CWT)来处理无线电波传感器信号,取得了较好的测量精度,但CWT无法准确得到目标信号的相位信息,且所得频谱幅值受限于频率的变化。文献[5]在Wigner-Ville分布(WVD)上构造正交基窗函数,有效的实现了旋转机构的提取及故障诊断,但依然存在交叉项。

综合这些方法和特点,文中采用广义S变换(GSWD)[6]与Viterbi算法[7]相结合的方法,它能有效的分离并提取出弹道目标的微多普勒特征。仿真表明,该方法适用于强噪声环境以及信号强弱分明的多点散射情况。

1 弹道目标多普勒数据模型

根据电磁散射理论和相关微波暗室实验,弹道目标可以等效为由几个局部散射源构成[8]。文中选取滑动散射模型,弹道目标微动模型如图1所示。图中,O′-WVN为全局坐标系,O-XYZ为目标进动坐标系,Z轴为进动轴,进动角为θ。由文献[9]可得到滑动散射点各时刻的微距离,在此基础上对其求导可得到各等效散射点微速度为：

(1)

(2)

由于ξ对信号的调制作用,b、c点对应的时频曲线不满足正弦规律。

图1 弹道目标微动示意图

2 GSWD-Viterbi提取方法

2.1 广义S变换

目标的微多普勒信号属于非平稳时变信号,S变换综合了STFT与CWT的优点,能在强噪声环境中有效提取目标的时频信息,具有无损可逆性等特点[6]。S变换定义为:

(3)

式中：h(τ)为连续函数,可以离散化。由于S变换与Fourier变换呈互逆关系,S逆变换可表示为[6]:

(4)

2.2 Viterbi算法

由于弹道目标的微多普勒特征是相互交联,GSWD虽然滤除部分噪声,但依然不足以实现微动特征的有效抽取。为了进一步降低噪声以及信号的大动态性对时频信息的影响,文中采用Viterbi算法对GSWD过滤后的时频信息进行抽取,得到的频率估计路径的最小化表达式为[7]:

(5)

式中:n∈[s1,s2];g(x,y)=g(|x-y|)为相对于|x-y|的惩罚函数,是单调非增的;h(x)为GS(n,k(n))的惩罚函数,是单调非减的。Viterbi算法能依据能量大小对多分量信号进行逐次抽取,抽取效果较好[7]。

2.3 微多普勒信息提取与分析

目标信号经GSWD和Viterbi处理后,得到了各分量信号的时频图。根据S变换的无损可逆性,经S逆变换还原出的目标时域信号能较好地反映原始信号特征,此时得到目标信号的误差系数为:

(6)

由文献[7]可知,Viterbi算法中门限Δ的选取确定了瞬时频率的提取精度。在预先设定Δ值的情况下,通过Δ±ξΔ处理对门限进行微调,然后利用瞬时频率加权平均的方法,得到目标瞬时频率的改进值。具体过程如下:

Step 1利用GSWD提取目标的微动信息GSx(n,f);

Step 3运用S逆变换还原出目标的时域信息,根据式(6)求出目标的误差系数ξΔ;

Step 4经过Δ±ξΔ微调处理,提取出目标微多普勒改进值;

Step 5重复2步到4步{I,I∈N+}次,I由该算法的应用与用途决定,文中取I=3;

(7)

3 仿真结果

当SNR=0 dB时,分别采用STFT、经小波消噪的SPWV、GSWD提取目标的微多普勒信息,具体见图2。可以看出,STFT的时频分辨率最低;经小波消噪的SPWV处理后,信号时频分辨率较高,但弱信号c点模糊不清,而且交叉项很严重;GSWD时频分辨率次之,但有较好的时频边缘特性,弱信号也较为清晰。

图2 信噪比为0 dB时回波信号时频分析

当SNR=-5 dB时,图3(a)为此时GSWD处理后的目标时频图,图3(b)为第3次处理后经Viterbi算法提取出的a点的时频信息,图3(c)、图3(d)分别为经第1次和第3次处理前后信号的相对误差比较分析图。可以看出,经文中的求和平均误差补偿方法处理后,能较好的提取出目标的时频信息。

图3 信噪比为-5 dB时GSWD-Viterbi方法

表1为不同信噪比时文献[7]与文中方法的微动频率估计的均方根误差(RMSE)。经对比分析发现,文献[7]的方法与文中方法在信噪比高于0 dB时,估计性能相差不大;当信噪比较低时,特别是信噪比小于-4 dB时,文中方法估计性能优于文献[7]的方法,这是由于文献[7]虽然利用统计平均的方法求取目标微多普勒特征,但B分布存在交叉项,必然会影响Viterbi算法的估计性能。而文中方法则不存在此类情况,且文中方法利用S变换的无损可逆性,有效的调节Viterbi算法中门限的选取,抗噪性较强。

表1 不同信噪比下雷达所测目标尺寸的均方根误差

4 结论

文中利用广义S变换与Viterbi算法相结合的方法提取目标的微多普勒特性,有效的解决了强噪声条件下弹道目标多点散射的提取问题。仿真结果表明,文中方法估计性能明显优于STFT和SPWV,且文中提出的求和平均误差补偿方法有效提高了瞬时频率的估计精度,在低信噪比时优于文献[7]的统计平均方法。

[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] 黄培康, 殷红成, 许小剑. 雷达目标特性 [M]. 北京: 电子工业出版社, 2005.

[9] 张栋, 冯存前, 贺思三, 等. 组网雷达弹道目标三维微动特征提取 [J]. 空军工程大学学报, 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

国家自然科学基金(61372166);陕西省自然科学基金(2014JM8308)资助

李靖卿(1989-),男,湖北天门人,硕士研究生,研究方向:雷达信号处理及创新战法研究。

TN957

A