自旋进动目标的微多普勒特征分析

针对弹道导弹防御系统中弹头目标的自旋进动特性,建立了锥体目标的自旋进动模型,引入微多普勒效应的有关概念,推导出了由自旋进动产生的微多普勒频率的数学表达式,利用高分辨的时频变换对微多普勒特征进行分析,并用仿真实验验证了该模型的正确性.针对时频图,提取能反映目标质量特性的特征量,为识别此类目标提供了新的途径.通过仿真实验证明了在低信噪比时所提取特征的有效性.     

基于微多普勒分析的弹道导弹目标进动特性研究

进动是弹道导弹目标的一种微运动,介绍了微多普勒的相关概念,然后建立了进动的数学模型,并推导了进动的微多普勒理论公式,最后进行了仿真实验,并采用时频分析方法提取出微多普勒特征。理论计算与仿真实验的结果吻合良好,表明了该进动数学模型和理论公式推导的正确性。同时,进动的微多普勒特征可用于识别真假目标。     

弹道中段进动目标的微多普勒研究

弹道目标的微动特性正成为目标识别领域的一个研究热点。建立了弹道目标进动的数学模型,分析了有翼弹头和无翼弹头进动特性对雷达回波调制的差异性,分别进行了有翼弹头进动仿真实验和有翼弹头在微波暗室条件下的微动实验。暗室实验结果证明了仿真结果分析的正确性,同时也证明了进动数学模型的正确性。     

弹道目标微动特征分析与提取方法

进动特征对导弹防御目标识别具有重要意义。建立了单频信号下雷达观测弹头的进动模型和回波模型,通过对进动弹头回波频谱与微多普勒调制特性的定量分析,提出了利用回波相关方法和频谱展宽估计进动参数的方法,并利用暗室测量数据对该方法的性能进行了实验验证。实验结果表明,该方法在目标进动角不大条件下可以有效估计目标的进动角和进动周期。     

基于时间-距离-多普勒像的编队目标架次检测

针对实际编队目标在距离上的分布特性和目标多普勒频率的变化规律,利用联合时频变换代替传统傅立叶变换,建立目标时间-距离-多普勒立体像,提出一种基于立体像的目标架次检测方法。该方法不仅能给出清晰的瞬时距离-多普勒像,而且能反映目标距离-多普勒像的时间演变特性,较好地解决了目标在距离上的分布和多普勒像的模糊。实测回波数据验证了该方法的有效性,成功地实现了4架编队飞机目标的架次检测。     

基于DPCA杂波抑制的地面振动目标微多普勒提取

地面微动目标激励的雷达回波信号的微多普勒调制,反映了该目标的独有特征,因此可用于目标检测与识别。合成孔径雷达(synthetic aperture radar, SAR)对地面振动目标检测时,回波信号中不可避免地包含大量地杂波,给其微多普勒信息提取造成很大困难。为此,提出一种基于双通道SAR/DPCA杂波抑制的地面振动目标的微多普勒信息提取方法。首先利用双通道DPCA技术在复原始数据域对消地杂波以获取振动目标的回波信息,然后详细推导了杂波对消后微多普勒频率的参数化表达式。最后,通过数值仿真验证了该方法的有效性和正确性。     

基于修正空时频分布矩阵的到达角估计

讨论了密集信号环境下,雷达侦察系统对信号到达角(DOA)的估计方法。首先对参考阵元的输出作时频分析,估计信号的频率参数,从而选择时频脊点构造方向矩阵;然后对各阵元输出求互Wigner Ville分布(XWVD)以构造修正空间时频分布(STFD)矩阵;最后用修正STFD矩阵代替传统MUSIC算法中的协方差矩阵即可求得信号的时频———MUSIC空间谱,从而得到信号的DOA。计算机仿真结果表明该算法可实现对常规雷达脉冲、线性调频信号等多种信号的DOA估计。     

应用自适应时频分布的瞬时频率估计

估计信号的瞬时频率常用解析信号的相位差分或Cohen类时频分布的时间一阶条件矩 ,但这些方法在信噪比较低时存在较大的方差。提出了一种新的瞬时频率估计方法 ,它把被分析的信号自适应地扩展到一组有限的 ,具有较好的时频局部化特征的基函数集上 ,用相应的自适应时频分布的谱峰检测来估计信号瞬时频率。仿真结果表明 ,该方法具有较好的抗噪声能力 ,且能够灵活地应用于估计多分量信号的瞬时频率 ,可以取得比其它方法更好的效果。     

自适应核时频分布在抑制交叉项中的应用

分析了固定核函数时频分布在抑制交叉项方面的局限性以及基于信号特征的自适应时频分布对时频分辨率的改善。通过对基于信号特征的径向高斯核时频分布进行改进,提出了一种基于信号特征的自适应核时频分布的改进算法。该算法采用短时模糊函数和随时间变化的自适应核,能够在时频分布中区分出多分量信号的细节部分。仿真结果表明,该分布具有较高的时频分辨率,且无交叉项干扰。同时它还适合分析长时间信号和实现在线信号处理。     

基于多普勒频移的双基地声纳目标速度测量

针对单基地声纳仅可获得目标的径向速度以及双基地声纳有大量冗余信息的问题,提出利用单/双基地复合工作的声纳系统求解目标二维速度矢量（速度大小、航向）的方法。为了获得目标的二维速度矢量,在双基地声纳系统中,分析了双基地声纳多普勒频移的特性,并与单基地作了比较;结合单、双基地所获得的多普勒频移特性信息,给出了目标二维速度矢量的两种计算方法;并对目标速度测量误差进行了分析。结果表明,采用单/双基地复合工作的声纳系统,可以完成目标二维速度矢量的测量,而测量误差则与系统的频移分辨力及目标与收、发基地间的相对位置有关。     

Modeling simulation and experiment of micro-Doppler signature of precession

Spatial precession is a special micro-motion of the spinning-directional target, and the micro-Doppler signature of the cone-shaped target with precession is studied. The micro-motion model of precession is built first, and then the micro-Doppler model is developed based on the proposed concept of micro-motion matrix, by which the theoretical formula of micro-Doppler signature of precession is derived. In order to further approach to the actual case, the occlusion effect is firstly considered in micro-Doppler, and the simulated result with occlusion effect is well in accordance with the measured result in microwave anechoic chamber, which suggests that the micro motion model and micro-Doppler model of precession are both valid.     

基于FMCW雷达的旋转目标微动参数提取方法

针对旋转目标微多普勒频率相互交叠、重合难以提取的问题, 提出了一种基于调频连续波(frequency modulated continuous wave, FMCW)雷达的微动参数提取方法。考虑到旋转目标微多普勒频率具有正弦形式的特征, 利用多普勒信号构造了矩阵并进行奇异值分解, 使得奇异值比谱在旋转频率处的比值达到最大。为了估计旋转半径和初始相位, 对多普勒信号时频分析结果进行逆Radon变换, 将正弦曲线的参数估计问题转化成了参数空间中的峰值检测问题。仿真和实验数据结果表明, 结合奇异值分解、时频分析技术和逆Radon变换的旋转目标微动参数提取方法具有在低信噪比条件下提取高精度参数值的能力, 有效解决了相互交叉的微多普勒频率参数提取问题。     

Narrow-band tomographic radar imaging of precession cone targets

The principle and method of the narrow-band tomo-graphic radar imaging (NBTRI) of the precession cone target are studied. Firstly, the motion model and electromagnetic scattering characteristics of the precession cone target are introduced. Secondly, based on the traditional NBTRI algorithm, a novel narrow-band tomography clean radar imaging (NBTCRI) algorithm is proposed to enhance the image quality of NBTRI results. In addition, the resolution performance of the NBTRI algorithm is analyzed. Finally, based on the ideal scattering point model, this paper discusses the relationship between the precession angle and the estimated target size from NBTRI results. By using the target’s chamber data, NBTRI and NBTCRI results of the precession cone target are further analyzed, which indicates the effectiveness of the proposed method.     

Improved HHT and its application in narrowband radar imaging for precession cone-shaped targets

Imaging the spatial precession cone-shaped targets with narrowband radar is a new technical approach in mid-course recognition problem. However, most existing time-frequency methods still have some inevitable deficiencies for extracting microDoppler information in practical applications, which leads to blurring of the image. A new narrowband radar imaging algorithm for the precession cone-shaped targets is proposed. The instantaneous frequency of each scattering point is gained by using the improved Hilbert-Huang transform, then the positions of scattering points in the parameter domain are reconstructed. Numerical simulation and experiment results confirm the effectiveness and high precision of the proposed algorithm.     

Wigner-Ville distribution and cross Wigner-Ville distribution of noisy signals

The Wigner-Ville distribution （WVD） and the cross Wigner-Ville distribution （XWVD） have been shown to be efficient in the estimation of instantaneous frequency （IF）. But the statistical result of the IF estimation from XWVD peak is much better than using WVD peak. The reason is given from a statistical point of view. Theoretical studies show that XWVD of the analyzed signal can be estimated from XWVD of the noise-contaminated signal. The estimation is unbiased, and the variance is equal to that of noise. In this case, WVD cannot be estimated from W-VD of the noise-contaminated signal. Therefore, higher SNR is required when WVD is used to analyze signals.     

基于微多普勒的弹道多目标分离方法

弹道多目标分离对弹道导弹早期预警和识别具有重大意义。目前弹道目标微动提取与识别的研究都是基于“单目标多散射点”和“多目标单散射点”的假设,而对实际中弹道“多目标多散射点”的情况缺乏考虑。针对这一问题,首先分析了进动锥体弹头和摆动锥体诱饵的微多普勒形式,得到了同一目标不同散射点的微多普勒具有相同的周期性。对于多目标分离问题,首先利用Radon变换估计平动参数实现了多目标平动补偿;之后通过分析多目标时频图循环平稳性,发现弹道多目标分离本质上是多个二维一阶循环平稳(first order cyclostationary,FOCS)分量的分离问题;其次,提出了一种基于二维FOCS处理的多目标分离方法;最后,通过仿真验证了该方法的有效性和在强噪声下的稳定性。     

基于趋势估计的微多普勒分离与特征提取算法

微动目标特征提取与辨识一直是弹道目标识别的研究热点与难点。针对复杂运动目标微多普勒(micro-Doppler, m-D)曲线交叠耦合导致的微动辨识难点, 提出一种基于曲线趋势估计的分离算法。该算法首先通过骨架提取获得稳定精细的二值化曲线数据, 再基于曲线光滑性和插值法对曲线趋势进行精确估计并分离, 最后利用变分模态分解(variational mode decomposition, VMD)及经验模态分解(empirical mode decomposition, EMD)算法分解每条m-D曲线并计算相应的微动特性。仿真实验表明, 所提算法能够在信噪比大于-15 dB条件下稳定分离m-D曲线, 进而提取目标的微动特性。