微多普勒特征提取方法研究

林新党，肖　龙

(1.海军驻南京地区雷达系统军事代表室，南京 210003；2.中国船舶重工集团公司第七二四研究所，南京 211153)



微多普勒特征提取方法研究

林新党1，肖龙2

(1.海军驻南京地区雷达系统军事代表室，南京 210003；2.中国船舶重工集团公司第七二四研究所，南京 211153)

根据飞机局部散射机理与局部散射RCS模型，理论分析了飞机旋转部件的微多普勒回波模型。通过雷达回波的频谱特征分析，提出了一种目标微多普勒特征的提取方法。利用实测数据进行验证，表明该微多普勒特征提取方法是有效可行的。

多普勒；微多普勒；特征提取

0　引　言

对空警戒雷达在窄带工作方式下，由于发射的脉冲带宽窄，其目标回波近似为点目标的回波，不具备径向和横向上的高分辨能力。这造成了雷达回波中不包含目标大小、形状、结构等用作目标分类识别的细节信息[1]。所以，在常规雷达体制下实现对空目标的分类识别是一个难点。

空中飞机目标主要分为直升机、螺旋桨飞机和喷气式飞机。这3类飞机上都存在旋转部件，如直升机的主旋翼和尾旋翼、螺旋桨飞机的螺旋桨叶片和喷气式飞机发动机的压缩叶片。它们在飞机飞行的同时自身也存在周期性的旋转运动。美国著名学者VICTORC.CHEN将旋转部件的这种旋转运动称为微运动。在一定的目标姿态角范围内，这种微运动会引起雷达回波中的多普勒调制。他将这种微运动产生的多普勒调制称为微多普勒效应[2-4]。微多普勒效应的提出为窄带工作方式下对空目标的分类提供了新的途径。

基于飞机局部散射机理与局部散射RCS模型，本文从理论上分析了提取目标微多普勒调制特征的物理基础，并提出了一种目标微多普勒特征的提取方法。通过这种方法，能够有效地将微多普勒分量从目标回波频谱中提取出来。本文利用实测数据进行验证，实验结果表明该微多普勒特征提取方法是有效可行的。

1　飞机旋转部件的回波模型

对于常规雷达所发射电磁波波长，空中目标旋转部件的每一片桨叶都在光学区。每一个桨叶可等效为一个散射中心。调制散射回波可以由旋转部件所有的散射回波线性叠加构成，雷达回波便由它和机身散射分量的相叠加合成。p个散射中心构成合成回来的调制散射回波复矢量可以用下式来描述：

(1)

式中，sk为第个桨叶散射的幅度函数，ψk(t)为第k个桨叶散射的相位函数。

单个桨叶的RCS值σk可根据光学区的RCS散射机理求得：

(2)

式中，λ为指雷达的工作波长；l是指目标散射面的长度；a是常数，单桨的前缘a=0.5，单桨的后缘a=0.1。

单个桨叶的相位函数可表示为

(3)

式中，f0为雷达发射频率，λ为雷达工作波长，rk(t)为第个散射中心到雷达的距离。

设雷达发射窄带相参的连续波信号：

ut=exp(j2πf0t)

(4)

采用“点”目标的假设，雷达回波的序列就可看成是对连续波的采样，则回波信号：

(5)

式中，a(t)和φ(t)分别是幅度的调制函数和相位的调制函数，s(t)=a(t)exp(jφ(t))是雷达回波的复包络，f0为载频。

根据式(1)、(3)和(5)可知，回波信号与各个散射中心回波的关系为

令θk(t)=4πrk(t)/λ表示第k个散射中心回波复包络相位函数。根据上式可知，回波复包络与各个散射中心回波复包络的关系为

(6)

从式(6)中可以得到

(7)

(8)

式(8)说明飞机旋转部件散射中心的任何微小运动都会使得相位函数θk(t)波动。上述散射模型描述了低分辨力常规窄带雷达对位于光学区内飞机目标的旋转部件相对雷达运动而引起的回波复包络幅度、相位波动的物理机理。它既说明了常规窄带雷达回波复包络受到了空中目标旋转部件的调制，又说明了理论上常规窄带雷达回波复包络中含有飞机旋转部件调制特征这种情况。这是从雷达调制回波中提取调制特征的物理基础，为后面的目标微多普勒特征的提取奠定了理论基础。

2　微多普勒特征的提取

实现对目标微多普勒特征的稳健提取是利用微多普勒调制特征进行目标分类的前提。目标回波频谱中包含噪声、杂波、机身多普勒谱和旋转部件产生的微多普勒调制，如图1所示。

图1　目标回波频谱

微多普勒特征提取过程就是从目标回波频谱中提取出微多普勒分量。要做好微多普勒特征的提取工作，需要解决以下两个问题：

(1) 如何区分目标多普勒附近幅度较强的分量是微多普勒分量还是机身多普勒副瓣；

(2) 如何将微多普勒分量与杂波和噪声分量区分开来。

针对上述两个问题，本文提出了一种微多普勒特征提取算法，算法流程如图2所示。

算法步骤如下：

(1) 根据目标回波的I/Q通道信息，得到目标回波频谱；

(2) 找到目标频谱最大位置作为机身多普勒位置；

(3) 将机身多普勒位置平移到零频(坐标轴中间)位置；

(4) 将幅度最大位置左右各个N1点作为频谱主瓣区；

(5) 将频谱主瓣区外左右各个N2点作为副瓣区；

(6) 判断副瓣区域是否存在幅度值大于主瓣最大幅度值1/N3的点；

(7) 如果是则副瓣区域存在微多普勒，如果否则副瓣区域不存在微多普勒；

(8) 将除主瓣区和副瓣区外的点视为杂波、噪声区域，设定噪声判别门限值；

(9) 判别杂波、噪声区域是否存在幅度大于K倍噪声判别门限值的点；

(10) 如果是则杂波、噪声区域可能存在微多普勒，如果否则杂波、噪声区域不存在微多普勒；

(11) 将频谱移回原位，零频率左右各个N4点作为杂波区；

(12) 若上述步骤7、10中提取的微多普勒在杂波区，则不是微多普勒；

(13) 输出提取得到的微多普勒分量。

3　实验结果

本文使用S波段雷达在5kHz脉冲重复频率工作模式下采集到的飞机实测数据来验证所提方法的可行性。为了验证本文提出方法的可行性，对大量的实测飞机回波频谱进行了测试。图3为一架涡喷式飞机的回波频谱及其微多普勒特征的提取过程。图3(a)为目标原始频谱，图3(b)为平移后的目标频谱及特征提取门限值，图3(c)为去掉机身多普勒和噪声后的频谱，图3(d)为提取得到的目标微多普勒特征。对比图3(a)和图3(d)可以看出，本文提出的微多普勒特征提取方法可以有效地将目标频谱中的微多普勒特征提取出来。

(a) 目标原始频谱

(b) 平移后的目标频谱及特征提取门限值

(c) 去掉机身多普勒和噪声后的频谱

(d) 提取得到的目标微多普勒特征

4　结束语

本文从理论上分析了飞机旋转部件的回波模型，并提出了一种目标微多普勒特征的提取方法。对实测数据进行微多普勒特征提取的结果表明本文提出的方法是有效可行的。

[1]LanDu,BaoshuaiWang,YanbingLi,HongweiLiu.RobustClassificationSchemeforAirplaneTargetsWithLowResolutionRadarBasedonEMD-CLEANFeatureExtractionMethod[J].IEEESensorsJournal, 2013, 13(12): 4648-4662.

[2]王宝帅，杜兰，刘宏伟，李彦兵，冯博. 基于经验模态分解的空中飞机目标分类[J]. 电子与信息学报，2012，9(34)：2116-2121.

[3]杜玩文. 空中雷达目标识别技术研究[D]. 南京理工大学，2009.6.

[4]张群, 罗迎, 何劲. 雷达目标微多普勒效应研究概述[J]. 空军工程大学学报(自然科学版)，2011，12(2): 22-26.

Amethodofmicro-Dopplerfeatureextraction

LINXin-dang,XIAOLong

(1.MilitaryRepresentativesOfficeofRadarSystemofthePLANavyinNanjing,Nanjing210003;2.No.724ResearchInstituteofCSIC,Nanjing211153)

Themicro-DopplerechomodelfortherotatingpartsoftheaircraftisanalyzedtheoreticallybasedontheaircraftlocalscatteringtheoryandRCSmodel.Accordingtothespectrumsignatureanalysisofradarechoes,amethodofmicro-Dopplerfeatureextractionisproposed.Finally,themethodisverifiedtobeeffectiveandfeasibleusingtheactualtestdata.

Doppler;micro-Doppler;featureextraction

2016-03-04

林新党(1970-),男，工程师，硕士，研究方向:雷达总体技术；肖龙(1984-)，男，工程师，硕士，研究方向：雷达目标识别及数据处理。

TN957.52

A

1009-0401(2016)03-0041-03