雷達(dá)目標(biāo)微動(dòng)信號(hào)分離與參數(shù)估計(jì)方法研究.pdf

1、雷達(dá)目標(biāo)運(yùn)動(dòng)時(shí)，目標(biāo)本身或者其結(jié)構(gòu)常常伴有微動(dòng)。所謂微動(dòng)是指目標(biāo)除自身平動(dòng)之外任何微小的振動(dòng)、轉(zhuǎn)動(dòng)或者高階運(yùn)動(dòng)。目標(biāo)微動(dòng)會(huì)對(duì)雷達(dá)入射波產(chǎn)生一個(gè)微多普勒頻率調(diào)制，這種微多普勒頻率調(diào)制反映了目標(biāo)獨(dú)一無(wú)二的精細(xì)特性，為目標(biāo)探測(cè)和識(shí)別提供了一種重要的手段。近年來(lái)，雷達(dá)目標(biāo)微動(dòng)信號(hào)檢測(cè)、信號(hào)分離、參數(shù)估計(jì)以及特征提取等技術(shù)已成為雷達(dá)學(xué)術(shù)界和工程界的研究熱點(diǎn)。
　　 論文圍繞強(qiáng)弱兩種微動(dòng)信號(hào)分離和參數(shù)估計(jì)技術(shù)展開研究。研究?jī)?nèi)容總體上可以分成

2、兩部分。第一部分，以人體胸腔微動(dòng)為例，設(shè)計(jì)了一種人體探測(cè)多普勒雷達(dá)，探討了弱微動(dòng)目標(biāo)的信號(hào)提取與參數(shù)估計(jì)方法。第二部分，基于點(diǎn)散射模型和時(shí)頻分析研究了強(qiáng)微動(dòng)目標(biāo)的多分量信號(hào)分離和參數(shù)估計(jì)技術(shù)。
　　 具體來(lái)說(shuō)，本文的主要工作和貢獻(xiàn)主要包括以下內(nèi)容:
　　 1、基于諧波模型和頻譜分析的弱微動(dòng)信號(hào)分離和振動(dòng)參數(shù)估計(jì)
　　 (1)設(shè)計(jì)了一種基于商用部件的2.4GHz連續(xù)波人體探測(cè)多普勒雷達(dá)樣機(jī)，對(duì)典型的弱振動(dòng)微動(dòng)目標(biāo)，

3、人體胸腔振動(dòng)信號(hào)進(jìn)行研究。實(shí)驗(yàn)結(jié)果表明采用帶通濾波器提取呼吸和心跳信號(hào)，然后結(jié)合經(jīng)典功率譜估計(jì)技術(shù)，該雷達(dá)可在近距離1m內(nèi)正確估計(jì)人體的呼吸和心跳頻率。
　　 (2)針對(duì)多個(gè)弱振動(dòng)散射點(diǎn)同時(shí)存在時(shí)，強(qiáng)散射點(diǎn)信號(hào)的諧波分量可能會(huì)淹沒弱散射點(diǎn)信號(hào)的問(wèn)題，以人體胸腔微動(dòng)為例，提出兩種諧波濾除算法。第一種方法首先估計(jì)出呼吸頻率，然后自適應(yīng)產(chǎn)生其高階諧波信號(hào)對(duì)消落入心跳信號(hào)頻帶內(nèi)的諧波。第二種方法基于經(jīng)驗(yàn)?zāi)B(tài)分解，將呼吸諧波分量分解在不同

4、的本征模函數(shù)中，利用相關(guān)法重組心跳信號(hào)，濾除呼吸諧波。多普勒雷達(dá)實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的帶通濾波器相比，兩種算法都可以有效提取心跳信號(hào)，去除呼吸諧波干擾，從而得到準(zhǔn)確的心跳頻率。
　　 (3)針對(duì)傳統(tǒng)的時(shí)頻分析缺乏足夠高的時(shí)頻分辨率分析非平穩(wěn)弱微動(dòng)信號(hào)的問(wèn)題，將基于經(jīng)驗(yàn)?zāi)B(tài)分解的諧波去除方法結(jié)合Hilbert變換，提出一種改進(jìn)的Hilbert-Huang變換。非平穩(wěn)實(shí)測(cè)呼吸信號(hào)表明，相比傳統(tǒng)的短時(shí)傅里葉變換，該算法具有明顯的高分辨

5、率，從而可以有效刻畫呼吸頻率的時(shí)變特征。
　　 (4)基于弱振動(dòng)信號(hào)的諧波信號(hào)幅度與振動(dòng)幅度的關(guān)系，提出一種利用基頻頻域峰值比和諧波頻域峰值比的振動(dòng)幅度估計(jì)算法。人體胸腔振動(dòng)的仿真和多普勒雷達(dá)實(shí)驗(yàn)表明，該算法在高信噪比下，可以有效提取呼吸和心跳的振動(dòng)幅度。
　　 2、基于點(diǎn)散射模型和時(shí)頻分析的強(qiáng)微動(dòng)信號(hào)分離和參數(shù)估計(jì)
　　 (1)針對(duì)強(qiáng)微動(dòng)信號(hào)中多個(gè)線性調(diào)頻(LFM)和正弦調(diào)頻(SFM)分量在時(shí)頻域相互疊加的問(wèn)題

6、，提出了一種基于時(shí)頻濾波器(TFF)的微多普勒信號(hào)分離和提取技術(shù)。為了計(jì)算TFF的覆蓋函數(shù)，文章采用Viterbi算法計(jì)算各個(gè)信號(hào)分量的瞬時(shí)頻率，然后設(shè)計(jì)了一種基于短時(shí)傅里葉變換的線性TFF逐次提取各個(gè)分量。仿真實(shí)驗(yàn)表明，該算法能夠在相對(duì)低噪聲環(huán)境下有效分離微多普勒分量，并且與傳統(tǒng)的經(jīng)驗(yàn)?zāi)B(tài)分解和小波分解相比，在計(jì)算量適中的情況下，具有更高的信號(hào)分離精度。
　　 (2)針對(duì)傳統(tǒng)的基于時(shí)頻分布的Hough變換技術(shù)估計(jì)微多普勒參數(shù)時(shí)