专利名称：基于形态成分分析的海面微动目标检测和特征提取方法
技术领域：
本发明属于雷达信号处理和检测技术领域，特别涉及对海探测雷达的动目标检测技术。
背景技术：
海杂波中微弱目标尤其是“低(低掠射角)、慢(静止或慢速运动)、小(目标尺寸小)”目标的检测技术始终是雷达信号处理领域的难题，不仅具有理论重要性，而且在军用和民用上均占有非常重要的地位，如海面目标的检测在船舶的安全航行、浮冰规避和海洋环境的监测等。海杂波中微弱目标的共同点是，由于雷达分辨低、距离远、背景强等因素，无论是在时域还是在频域，目标分辨单元中的信杂(噪)比都很低，海杂波会淹没微弱目标信号，能量积累效果差，这些都严重降低了检测性能。经典的基于统计理论和混沌、分形的强海杂波背景下的目标检测，由于受到模型匹配、信杂比、算法复杂度和通用性的制约，难以满足雷达高检测概率，高稳定性和可靠性的要求。目标相对于雷达存在径向运动，则雷达回波载频将会发生频移，这就是常见的多普勒现象，产生的频移量就是多普勒频率。若目标相对于雷达存在径向运动的同时，目标或目标上的结构还伴随着微运动(振动、自转、旋动、翻滚)，会在雷达回波中规则的多普勒频移上引起额外的频率调制，即在多普勒频率附近产生边带，这种微动对雷达回波的调制称为微多普勒现象。微动是由目标的特殊结构在特定的受力作用下引起的，因此目标微动状态常常是独一无二的，反映了目标的精细特征，可用于目标检测、目标成像和目标识别等，已成为信号处理领域的一个新的技术热点。海面舰船在运动过程中，坐标系的各坐标轴永远相互平行，表现为匀速运动、匀加速运动和变加速运动等，然而，由于舰船随海面波动而产生颠簸，一方面，在高海况条件下，海杂波的存在降低了回波信号的信杂比；另一方面，舰船姿态变化复杂，不仅存在平动，舰船还绕参考点作三轴转动(滚动、俯仰和偏航)，导致散射点的多普勒频率随时间非线性变化。因此，微多普勒为海面目标检测提供了更多的有用信息，能够进一步提高雷达检测性能。信号时频处理方法(如短时Fourier变换、小波变换、Winger-Ville变换、分数阶Fourier变换等)作为微动特征分析工具具有不可比拟的优势，但估计性能受时频分辨率的限制。基于时频分析的参数估计方法可以看作将信号在时频基函数上的分解，如果基函数与信号的特性相匹配，就可以选择用较少的基函数来表示原信号，称信号分解的结果是稀疏的，即信号的稀疏表示，其对频率具有超分辨能力，从而更有利于获得目标精细特征。形态成分分析方法是最新提出的一种基于信号稀疏表示的信号分解方法，该方法利用信号组成成分的形态差异性，采用不同的字典进行稀疏表示，与传统的稀疏成分分析方法相比更适合分析混合信号(J6r0me Bobin, Yassir Moudden, Jean-Luc Starck, and MichaelElad. ^Morphological Diversityand Source Separation’， IEEE Signal ProcessingLetters, vol. 13, no. 7, July2006.)。由于对海雷达探测目标的回波包括海杂波和目标信号，海杂波在一定程度上可以认为与单频信号的相似程度较大(Gini，F.，Greco, Μ.
4iTexture modeling and validation using recorded high resolution seaclutterdata，. Proc. Int. Conf. on Radar, Atlanta，Georgia, USA，2001，pp. 378-391)，而微动信号可近似为调幅 _ 线性调频信号(Amplitude Modulation-Linear Frequency Modulation，AM-LFM)，或者近似分段的LFM信号(邢孟道，保铮.外场实测数据的舰船目标ISAR成像.电子与信息学报，2001，23 (12) :1271-1277.)，定义为
权利要求
1.基于形态成分分析的海面微动目标检测和特征提取方法，其特征在于包括以下技术措施步骤一、海杂波稀疏表示在接收端，将接收并经过放大和解调处理后得到的同一距离单元内的雷达回波信号进行分段，得到多个相邻时间段的雷达回波信号，计算由Fourier变换(Fourier Transform, FT)构造的频域稀疏信号字典，并对分段雷达回波信号进行稀疏分解，得到海杂波在FT字典下的分解系数；步骤二、海杂波稀疏域抑制将不同时间段的海杂波稀疏分解系数形成二维稀疏解能量分布图并与频域海杂波统计阈值进行比较，若信号幅值低于统计阈值，直接对预处理后的雷达回波信号执行步骤三，此时存在两种可能一种是该距离单元为海杂波单元且海杂波较弱，另一种是该距离单元为目标单元但其回波信号和海杂波均很微弱，如远距离观测情况；若信号幅值高于统计阈值，则保留高于统计阈值的信号幅值，搜索峰值，峰值坐标对应海杂波在字典中匹配的原子，进而得到海杂波的稀疏表示，即多个单频信号的叠加；将预处理后的雷达回波信号与海杂波的稀疏表示相减，达到抑制海杂波的目的；步骤三、微动目标回波信号稀疏表示根据微动目标回波信号形式计算由Chirp基构造的过完备原子字典，并对海杂波抑制后的回波信号进行稀疏分解，得到微动目标回波信号的稀疏表示，进一步改善信杂比；步骤四、微动目标信号稀疏域检测将微动目标回波信号稀疏分解结果形成二维稀疏解能量分布图，取信号的幅值作为检测统计量，与给定虚警概率下的检测门限进行比较，如果检测统计量高于门限值，判决为存在微动目标信号，否则判决为没有微动目标信号，继续处理后续的检测单元，进行步骤一至步骤四的运算；步骤五、微动特征参数估计在微动目标检测后的二维稀疏解能量分布图中采用分级搜索的方法搜索峰值，降低搜索运算量，将峰值坐标对应的频率和调频率作为微动特征的参数估计值。
2.根据权利要求I所述的基于形态成分分析的海面微动目标检测和特征提取方法，其特征在于步骤一所述的频域稀疏信号字典构造方法为将输入信号序列x(i)，i=l，2，…，N，分为I个时间段，每个时间段包括k = int(N/I)个采样(int O表示取整运算
3.根据权利要求I所述的基于形态成分分析的海面微动目标检测和特征提取方法，其特征在于步骤二所述的频域海杂波统计阈值计算方法为
4.根据权利要求I所述的基于形态成分分析的海面微动目标检测和特征提取方法，其特征在于步骤三所述的由Chirp基构建的过完备字典构造方法为设定搜索精度和范围，假设中心频率的搜索范围为e
，搜索个数为L，中心频率分辨率为Af1 = F' /L，调频率ym的搜索范围为yme
，搜索个数为M，调频率分辨率为Aym = Κ/Μ，则构造的过完备Chirp字典为LXM的矩阵
5.根据权利要求I所述的基于形态成分分析的海面微动目标检测和特征提取方法，其特征在于步骤五所述的分级峰值搜索方法为首先进行粗搜索，然后在峰值附近进一步缩小搜索范围，提高搜索精度，进行精搜索，重复运算直至达到参数分辨率。
全文摘要
本发明涉及一种基于形态成分分析的海面微动目标检测和特征提取方法，属于雷达信号处理和检测技术领域。本发明的方法包括以下步骤1)海杂波稀疏表示；2)海杂波稀疏域抑制；3)微动目标回波信号稀疏表示；4)微动目标信号稀疏域检测；5)微动特征参数估计。与传统的海面目标检测方法相比，本发明充分利用海杂波和微动目标回波信号组成成分的形态差异性，对不同的源信号采用不同的字典进行稀疏表示，具有区分海杂波与微动目标的能力，并且在抑制海杂波的同时积累更多的信号能量，改善信杂比，具有在强海杂波中检测微动目标和估计微动特征参数的能力，为海面弱目标检测和特征提取提供了新的途径，具有推广应用价值。
文档编号G01S7/41GK102914768SQ20121035889
公开日2013年2月6日 申请日期2012年9月25日 优先权日2012年9月25日
发明者陈小龙, 关键, 柴勇, 王国庆, 宋杰, 黄勇, 蔡复青, 何友 申请人:中国人民解放军海军航空工程学院