[發明專利]一種基于經驗模態分解提取信號微多普勒調制分量的方法

有效

• 申請號: 202010217506.3
• 申請日: 2020-03-25
• 公開（公告）號: CN111537989B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 王寶帥;劉江洪;宋泉
• 申請（專利權）人: 中國電子科技集團公司第二十九研究所
• 主分類號: G01S13/50
• 分類號: G01S13/50;G01S7/41;G06F17/14
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 夏琴

本發明涉及信號處理技術領域，公開了一種基于經驗模態分解提取信號微多普勒調制分量的方法，首先利用經驗模態分解方法將回波中的雜波分量自適應的抑制，然后利用循環移位算法將回波中的平動分量移到多普勒頻率為零處，最后再次利用經驗模態分解算法將平動分量和微多普勒調制分量自動區分，本發明對微多普勒調制的提取不需要人工參與并且能夠保持回波中的多普勒結構信息，從而提升依據微多普勒調制特性進行目標分類識別的正確率。

技術領域

本發明涉及信號處理領域，尤其涉及一種基于經驗模態分解提取信號微多普勒調制分量的方法。

背景技術

目標在運動過程除了平動會對信號產生多普勒調制外，其上的轉動部件同樣會對信號產生額外的調制現象，稱為微多普勒調制，例如車輛行駛過程中車輪的轉動，人走路時四肢的擺動等。微多普勒調制中包含著轉動部件的結構、尺寸等信息，可以利用這些信息實現對目標的分類識別。

除了平動分量，微多普勒調制分量外，目標回波中不可避免的會混雜著雜波分量，例如地雜波。平動分量和雜波分量的存在會對微多普勒調制分量產生影響，降低對目標分類識別的正確率。目前常用的方法是利用動目標顯示(MTI)實現對目標回波中的雜波分量進行抑制，然后利用CLEAN算法將微多普勒分量和平動分量進行分離。該方法中，MTI由于具有非線性的幅度調制特性，會破壞目標的多普勒譜結構信息，降低識別性能，而CLEAN算法在分離平動和微多普勒分量時需要預先獲取平動分量帶寬的先驗信息，降低了識別算法的自動化程度。

發明內容

本發明所要解決的技術問題是：針對上述存在的問題，提出一種采用經驗模態分解提取目標回波中微多普勒調制分量的方法，該方法不需要人工參與能夠自動提取微多普勒調制分量，同時不會對回波多普勒譜結構產生影響。

本發明采用的技術方案如下：一種基于經驗模態分解提取信號微多普勒調制分量的方法，包括以下步驟：

S1：對目標回波信號進行經驗模態分解；

S2：將模態分解后的目標回波信號進行雜波抑制，得到雜波抑制信號；

S3：將雜波抑制后信號變換到頻域得到多普勒頻譜X，對X取模得到Y，并找到Y最大值點的位置；

S4：利用Y中最大值點的位置，對多普勒頻譜X進行循環移位，將平動分量多普勒頻譜移到多普勒頻率為零處，得到

S5：將轉換到時域得到

S6：利用經驗模態分解將中的平動分量和微多普勒分量分離，提取微多普勒分量。

進一步的，所述S1具體包括以下步驟：

S11：目標回波信號為s＝[s₁,s₂,...,s_N]^T，其中s_k為s第k個時刻的值，k＝1,2,...,N，N為慢時間脈沖積累數，上標T表示矩陣轉置；定義臨時信號

S12：對進行逐點搜索，提取其中的所有局部極大值，并對極大值序列進行插值，得到的上包絡

S13：對進行逐點搜索，提取其中的所有局部極小值，并對極小值序列進行插值，得到的下包絡

S14：計算臨時信號的包絡均值

S15：從臨時信號中減去包絡均值，得到新的信號并更新臨時信號

S16：重復步驟S12至S15，直到新的信號成為本征模函數，得到第一個本征模函數和剩余信號r₁＝s-m₁，并對剩余信號r₁迭代進行經驗模態分解，得到分解結果：