【技术实现步骤摘要】
本申请属于雷达探测领域，具体涉及一种针对微多普勒信号的正弦调频模态分解方法及装置。
技术介绍
1、微多普勒效应是指由除了目标质点平动外的相对运动也会产生多普勒频移的现象。这些除了目标质点平动外的相对运动如：目标自身结构或者组件相对质点的振动、旋转、翻滚、章动等，统称为目标的微运动。称由微多普勒效应引发的特征为微多普勒特征，而包含了微多普勒特征的信号成为微多普勒信号。由于微多普勒信号的微多普勒特征，不仅包含目标的几何形状、组成结构、行进姿态、表面性质的信息，还包含了独一无二的目标运动学特征，因此被广泛的应用于雷达探测、地质勘探、噪声辨识、行人检测等邻域。
2、理想的微多普勒信号属于宽带信号，其中心频率为载波频率与目标质点多普勒频偏之和，其带宽为目标的微运动的线速度在雷达/声呐视线(los)上投影所引发的最大多普勒频偏的两倍。不同于一般的宽带信号，微多普勒信号可以近似为瞬时窄带信号或者几个瞬时窄带信号之和，即在每一个瞬时时刻，信号在其频带范围内仅存在有限的频率响应。更具体的说，由于微多普勒信号反应目标相对质点的周期性运动，表现在微多普勒特征上则是其瞬时频率呈现正弦变化的性质，因此理想的微多普勒信号可以更明确的表示为一系列中心频率一致的正弦调频模态(sinusoidal frequency-modulationmode，sfmm)的叠加。
3、本申请的研究对象为单通道、多分量并且瞬时频率交错的微多普勒信号。瞬时频率交错的信号可以表述为：对于多分量信号x(t)，有n1≠n2,n1、n2＝1,2,...,n，对应的
4、瞬时频率交错信号存在两个需要克服的问题。第一个问题是频谱泄露问题，由于信号的非平稳特性，一个时间窗内信号的频率必然存在不可忽视的频谱泄露，导致提取精度的下降；第二个问题是信号分量间的交错问题，由于瞬时频率交错信号分量的瞬时频率间存在交错点，如果错误的提取了瞬时频率，则会影响后续的信号模态分离、瞬时频率估计和运动参数估计。
5、正弦调频模态的分解可以参考非线性调频模态分解的研究成果。非线性调频分解方法(non-linear chirp mode decomposition，ncmd)将非平稳宽带信号建模为多个瞬时幅值(instantaneous amplitude，ia)和瞬时频率(instantaneous frequency，if)随时间非线性变化的am-fm信号之和的形式。利用带平滑约束的解调方法，ncmd类方法按照瞬时幅值的平滑性将目标信号分解；利用瞬时频率的反正切模型，ncmd类方法在分解信号的同时估计每个分量的瞬时频率。ncmd类方法的估计过程中没有涉及中间变量是典型的非参数估计方法，因此ncmd类方法存在估计精度受限、估计的稳定性较弱等非参数方法共有的通病。于此同时，由于反正切模型的限制，瞬时频率的估计受的噪声的影响较大。虽然后续改进算法做出了一些有效的工作，但是均存在一定的缺点。例如：变分非线性模态分解算法(variantional non-linear chirp mode decomposition，vncmd)通过引入辅助变量抑制噪声使得分解算法的鲁棒性提升，但是vncmd需要噪声的幅值范围作为先验，无法自适应的去除噪声；多变量非线性模态分解算法(multivariate non-linear chirp modedecomposition，mncmd)通过多变量的联合处理使得变量间相同频率变化方式的分量能够被更完整的提取，从而降低噪声的影响，但是在多分量间联系较少的情况下算法的联合处理优势消失。
6、为了解决非参数方法存在的问题，学者们利用基函数拟合if变化规律，并将广义参数化时频变换技术(general parameter time-frequency transform，gptft)或者同步提取变换(synchroextracting transform，set)作为时频滤波器引入if的估计中，提出iccd(intrinsic chirp component)、atccd等分解或提取算法，在提升估计稳定性的同时减少噪声的影响和分量间的串扰。gptft又称广义补偿变换(general warpedtransform，gwt)是指通过一个相位补偿算子(旋转算子)将一个时间窗内的宽带信号变换为近似单频的窄带信号后，通过一个瞬时频率偏移算子(平移算子)将相位补偿后的单频信号移动到时间窗中某一时刻(一般为第一个时刻)的瞬时频率上。gptft方法通过傅里叶基建模瞬时频率计算平移算子，通过瞬时频率与瞬时相位间的关系计算旋转算子获得高分辨率的时频谱，进而提取更准确的瞬时频率。同时，由于噪声和变化规律不同的其他信号被分解在了多个不同子频带上，因此，gptft还能充当时频滤波器减少信号在分离过程中受到的干扰。
7、不同ptft有着不同的建模方法也有着不同的适用范围，例如：调频变换算法(chirplet transform，ct)假设瞬时频率线性变化适用于线性调频信号，多项式调频变换算法(polynomial chirplet transform，pct)利用多项式建模适用于简单的曲线调频信号，核样条调频变换算法(spline-kernelled chirplet transform，ksct)利用核样条分段建模适用于更复杂的曲线调频信号，gwt利用傅里叶基建模更适用于周期变换的信号，基于中心分量核函数的广义参数化时频变换(centered gptft，c-gtpft)利用基于能量重心加权的样条函数基建模更适用于复合微多普勒信号。对于简单信号的复杂建模可能使得瞬时频率的估计精度和信号的分离性能不升反降。例如，面对目标微动运动频率相对较高的微多普勒信号时，现有的技术方案往往性能骤减。
8、综上所述，现有的正弦调频模态分解方法具有如下缺陷：
9、1、现有技术是基于慢变的、不规则的机械噪声所提出的，因此在面对相对快变的具有明确规则的微多普勒信号时性能往往骤降。
10、2、现有方法受限于经验参数的选择，需要给出先验目标微动频率范围作为选择依据才能进行模态分解。
技术实现思路
1、本申请的目的在于利用微多普勒信号的瞬时频率呈正弦函数或正弦函数加和形式的性质，通过引入微动频率估计算法，在完成多分量微多普勒高精度信号模态分解和高精度瞬时频率特征估计的同时完成了对于多目标微动周期的估计。
2、为了实现上述目的，本申请提出了一种针对微多普勒信号的正弦调频模态分解方法，包括：
3、步骤1：对目标信号的分量信号进行正弦参数化时频变换，得到各单分量信号的高精度瞬时频率估计；
4、步骤2：利用脊路径重组本文档来自技高网...
【技术保护点】
1.一种针对微多普勒信号的正弦调频模态分解方法，包括：
2.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤1-1包括：
4.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤3包括：
5.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，步骤4中所述利用调频模态分解方法分解目标信号，包括：
6.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，步骤4中所述估计各分量信号的瞬时频率与瞬时相位，包括：
7.根据权利要求6所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤5，包括：
8.根据权利要求6所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，步骤6的所述根据正弦调频模态信号模型，得到多分量微多普勒高准度信号模态分解信号的估计值，包括：
9.一种针对微多普勒信号的
...【技术特征摘要】
1.一种针对微多普勒信号的正弦调频模态分解方法，包括：
2.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤1包括：
3.根据权利要求2所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤1-1包括：
4.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，所述步骤3包括：
5.根据权利要求1所述的针对微多普勒信号的正弦调频模态分解方法，其特征在于，步骤4中所述利用调频模态分解方法分解目标信号，包括：
6.根据...
【专利技术属性】
技术研发人员：吴永清，陈旭晖，吴敏，郝程鹏，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。