CN110361723B - 多普勒雷达运动目标的时频特征提取方法 - Google Patents
多普勒雷达运动目标的时频特征提取方法 Download PDFInfo
- Publication number
- CN110361723B CN110361723B CN201910669096.3A CN201910669096A CN110361723B CN 110361723 B CN110361723 B CN 110361723B CN 201910669096 A CN201910669096 A CN 201910669096A CN 110361723 B CN110361723 B CN 110361723B
- Authority
- CN
- China
- Prior art keywords
- signal
- cosine wave
- point
- wave
- signals
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种多普勒雷达运动目标的时频特征提取方法,该方法包括以预设采样率连续采集运动目标的多普勒雷达回波信号的N个离散点的信号;从采集的离散信号中提取出所有单周期的类余弦波信号;计算出提取的各所述类余弦波信号的频率和功率,将每一个所述类余弦波信号波峰位置的频率和功率作为运动目标时间‑频率域的一个特征向量。通过采用上述方案,可以迅速得出运动目标的运动特性,步骤简单,且无需进行复杂的傅立叶变换,运算量小。
Description
技术领域
本发明涉及雷达技术领域,特别涉及一种多普勒雷达运动目标的时频特征提取方法。
背景技术
目前,多普勒雷达通过运动目标的反射回波与本振的频率差来确定多普勒频率fd,其与目标运动速度v和载波波长λ存在关系:fd=2v/λ,因此多普勒频率能够反映目标的运动特征。通过对有限长的多普勒信号序列进行快速傅里叶FFT变换,能够获取回波的频谱,包含信号的各频率分量及功率,但FFT无法提供信号在时间域和频率域的联合分布情况,即无法获悉目标的局部运动特征。
获悉目标的局部运动特征,就需获取运动目标速度与功率的变化情况。通过短时傅里叶变换(STFT)、小波变换(WT)等时频分析方法能描述频率及功率随时间的变化,但还需要在时间-频率域上运用一定的信号检测方法,如恒虚警率(CFAR),才能排除噪声并获取有效的运动信息。综合下来,运动目标特征提取的完整信号处理链存在冗余度高、运算量大、步骤繁杂的缺点,这对实时***提出了较高的硬件要求。
发明内容
本申请实施例通过提供一种多普勒雷达运动目标的时频特征提取方法,解决了现有技术中多普勒雷达信号中时频特征提取运算量大,步骤繁杂的问题。
本申请实施例提供了一种多普勒雷达运动目标的时频特征提取方法,该多普勒雷达运动目标的时频特征提取方法包括以下步骤:
以预设采样率连续采集运动目标的多普勒雷达回波信号的N个离散点的信号;
从采集的离散信号中提取出所有单周期的类余弦波信号;
计算出提取的各所述类余弦波信号的频率和功率,将每一个所述类余弦波信号波峰位置的频率和功率作为运动目标时间-频率域的一个特征向量。
可选地,所述从采集的离散信号中提取出所有单周期的类余弦波信号的步骤包括:
按照离散信号采集的先后顺序依次提取每一个单周期的类余弦波信号;
判断每一个类余弦波信号是否为噪声信号;
将不属于噪声信号的类余弦波信号提取,将属于噪声信号的类余弦波信号剔除。
可选地,所述按照离散信号采集的先后顺序依次提取每一个单周期的类余弦波信号的步骤包括:
从第一个离散点信号开始,依次提取出当前类余弦波信号的第一个波谷点,其中,所述第一个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值;
从当前类余弦波信号的所述第一个波谷点开始,依次提取波峰点和第二个波谷点,其中,所述波峰点的幅值大于其前一个离散点信号的幅值和后一个离散点信号的幅值,所述第二个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值;
当前类余弦波信号的所述第二个波谷点作为下一个类余弦波信号的第一个波谷点。
可选地,所述判断每一个类余弦波信号是否为噪声信号的步骤包括:
判断每一个所述类余弦波信号的波峰点的幅值是否小于第一预设值;
若是,则判断所述类余弦波信号是噪声信号;
若否,则判断所述类余弦波信号不是噪声信号。
可选地,所述判断每一个类余弦波信号是否为噪声信号的步骤还包括:
判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称;若是,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
可选地,判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称的步骤包括:
获取每一个所述类余弦波信号的第一个波谷点至所述波峰点之间的时间间隔,以及所述波峰点至所述第二个波谷点之间的时间间隔;
判断两时间间隔的差值是否小于第二预设值,若是,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点大致对称;若否,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称。
可选地,所述判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称的步骤还包括:
获取每一个所述类余弦波信号的第一个波谷点与第二个波谷点之间的第一幅值差值、所述第一个波谷点与第二个波谷点的平均幅值、以及所述波峰点的幅值与所述平均幅值之间的第二幅值差值,并计算第一幅值差值与第二幅值差值之间的比值;
判断所述比值是否小于第三预设值,若是,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点大致对称;若否,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称。
可选地,所述判断每一个类余弦波信号是否为噪声信号的步骤还包括:
判断各所述类余弦波信号与标准余弦波信号是否存在相关性;若是,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
可选地,所述判断各所述类余弦波信号与标准余弦波信号是否存在相关性的步骤包括:
构建与各所述类余弦波信号的离散点个数相同且周期相同的标准余弦波信号序列;
计算所述类余弦波信号各离散点幅值与对应的所述标准余弦波信号序列各离散点幅值之间的相关系数;
判断所述相关系数是否大于第四预设值,若是,则所述类余弦波信号与标准余弦波信号存在相关性,若否,则所述类余弦波信号与标准余弦波信号不相关。
可选地,所述计算出提取的各所述类余弦波信号的频率和功率的步骤包括:
获取各所述类余弦波信号所包含的离散点的个数,按照以下公式计算得出各所述类余弦波信号频率:
获取所有离散点幅值的平均值以及各各所述类余弦波信号所包含的离散点的幅值,按照以下公式计算得出各所述类余弦波信号功率:
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过采用上述方案,将每一次采样的离散信号中可构成单周期类余弦波特性的离散点全部提取出来,再将每一个类余弦波信号的波峰所在位置的离散点的频率、功率计算出来,作为运动目标在时间-频率域中波峰所在位置的离散点所对应时刻的一个特征向量,该特征向量就代表运动目标的一个动作,将所有的单周期类余弦波提取出来,并得出所有的特征向量,相当于可以得出运动目标在采样N个离散点所对应的时长内的运动情况。按照上述方法,继续下一次的采样,直到将运动目标所有的多普勒回波信号全部分析完毕,则可刻画出运动目标的所有动作特征。通过上述方法的时频特征提取,可以迅速得出运动目标的运动特性,步骤简单,且无需进行复杂的傅立叶变换,运算量小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图示出的结构获得其他的附图。
图1为本发明多普勒雷达运动目标的时频特征提取方法的一实施例的步骤示意图;
图2为本发明多普勒雷达运动目标的时频特征提取方法的另一实施例的步骤示意图;
图3为图2中步骤S210的具体步骤示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明,若本发明实施例中所有方向性指示(诸如上、下、左、右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
另外,若在本发明中涉及“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
一实施例
参照图1,本发明实施例提供了一种多普勒雷达运动目标的时频特征提取方法,该多普勒雷达运动目标的时频特征提取方法包括以下步骤:
步骤S100:以预设采样率连续采集运动目标的多普勒雷达回波信号的N个离散点的信号;
步骤S200:从采集的离散信号中提取出所有单周期的类余弦波信号;
步骤S300:计算出提取的各所述类余弦波信号的频率和功率,将每一个所述类余弦波信号波峰位置的频率和功率作为运动目标时间-频率域的一个特征向量。
为了了解运动目标的运动情况,通过雷达发生装置发射雷达信号至运动目标,该雷达信号遇到运动目标被反射,反射的雷达信号发生多普勒效应,形成多普勒雷达回波返回至雷达接收装置;通过对接收的多普勒雷达回波信号进行上述步骤处理,可以得出运动目标频率、功率在时间-频率域的特性。
在本实施例中,运动目标的多普勒雷达回波信号的采样预设频率设为fs,则每次采集的N个离散点信号的幅值所构成的序列设为x[n1],其中,n1=1,2,3...N;N个离散点信号的采样时序位置所构成的序列设为x[n2],其中,n2=1,2,3...N。根据x[n1]、x[n2]中各个序列单位的特性,对各离散点进行分类提取,来得出类余弦波信号。当然,也可从采集的离散信号中提取出所有单周期的类正弦波信号进行处理,提取类正弦波信号的过程参照本实施例的提取类余弦波过程进行,在此不一一赘述。将该离散信号中可构成单周期类余弦波特性的离散点全部提取出来,再将每一个类余弦波信号的波峰所在位置的离散点的频率、功率计算出来,作为运动目标在时间-频率域中波峰所在位置的离散点所对应时刻的一个特征向量,该特征向量就代表运动目标的一个动作,将所有的单周期类余弦波提取出来,并得出所有的特征向量,相当于可以得出运动目标在采样N个离散点所对应的时长内的运动情况。按照上述方法,继续下一次的采样,直到将运动目标所有的多普勒回波信号全部分析完毕,则可刻画出运动目标的所有动作特征。通过上述方法的时频特征提取,可以迅速得出运动目标的运动特性,步骤简单,且无需进行复杂的傅立叶变换,运算量小。
进一步地,参照图2,上述步骤S200具体包括:
步骤S210:按照离散信号采集的先后顺序依次提取每一个单周期的类余弦波信号;
步骤S220:判断每一个类余弦波信号是否为噪声信号;
步骤S230:将不属于噪声信号的类余弦波信号提取,将属于噪声信号的类余弦波信号剔除。
在步骤S210中,假定提取的一个单周期的类余弦波信号由N个离散点中的M个离散点构成(M≦N),则该M个离散点信号的幅值所构成的序列设为y[n1],其中,n1=1,2,3...M;M个离散点信号的采样时序位置所构成的序列设为y[n2],其中,n2=1,2,3...M。
具体地,参照图3,步骤S210具体包括以下过程:
步骤S211:从第一个离散点信号开始,依次提取出当前类余弦波信号的第一个波谷点,其中,所述第一个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值;
根据余弦波信号的特征,波谷点为序列x[n1]中的幅值由逐渐变小变为逐渐变大的拐点,而波峰点为x[n1]中的幅值由逐渐变大变为逐渐变小的拐点,根据这个特点,可顺次从x[n1]中将每一个波谷点和波峰点均提取出来。
在本实施例中,每一个类余弦波信号至少由相邻两个波谷点和夹在两个波谷点之间的一个波峰点构成,当然两波谷点和波峰点之间均可以存在若干个离散点。
以提取第一个类余弦波信号为例进行说明,后续的类余弦波信号的提取过程均参照该第一个类余弦波信号的提取过程,在此不一一赘述。首先,从第一个离散点开始依次寻找,当出现第一个离散点的幅值由逐渐变小变为逐渐变大的拐点时,则该拐点为第一个类余弦波信号的第一个波谷点,即该第一个波谷点为的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值。
接着,进入步骤S212,从当前类余弦波信号的所述第一个波谷点开始,依次提取波峰点和第二个波谷点,其中,所述波峰点的幅值大于其前一个离散点信号的幅值和后一个离散点信号的幅值,所述第二个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值。
参照前述,从第一个类余弦波第一个波谷点开始,当出现第一个离散点的幅值由逐渐变大变为逐渐变小的拐点时,则该拐点为第一个类余弦波信号的第一个波峰点;当再次出现离散点的幅值由逐渐变小变为逐渐变大的拐点时,则该拐点为第一个类余弦波信号的第二个波谷点。则该第一个波谷点和第二个波谷点之间的所有离散点(包括两波谷点在内)构成该第一个类余弦波信号,即第一个类余弦波提取完成。
此时,进入步骤S213,当前类余弦波信号的所述第二个波谷点作为下一个类余弦波信号的第一个波谷点。
根据前述,第一个类余弦波信号的第二个波谷点则作为第二个类余弦波信号的第一个波谷点,依照前述步骤再次寻找波峰点和第二个波谷点,直到将所有的类余弦波信号全部提取出来。至此,步骤S210的提取类余弦波信号的过程完成。
在步骤S220中,由于提取的运动目标动作可能存在噪声干扰,则需进行噪声判断,判断各个y[n1]及y[n2]中每一个序列单位是否符合预设条件,即判断提取的各个类余弦波信号是不是噪声信号。若y[n1]及y[n2]中每一个序列单位是符合预设条件,则所提取的对应的类余弦波信号不是噪声信号,若y[n1]及y[n2]中每一个序列单位存在不符合预设条件的情况的,则所提取的对应的类余弦波信号是噪声信号。
具体地,判断该y[n1]及y[n2]所表示的类余弦波信号是否为噪声信号具体包括以下三个方面:
一、判断每一个所述类余弦波信号的波峰点的幅值是否小于第一预设值,若是,则判断所述类余弦波信号是噪声信号;若否,则判断所述类余弦波信号不是噪声信号。
在本实施例中,通常噪声信号的强度不强,通过判断各y[n1]中的波峰点位置的序列单位是否小于第一预设值,若小于第一预设值,则认为该类余弦波信号为噪声信号,当大于或等于第一预设值时,则认为该类余弦波信号不是噪声信号。在本实施例中,第一预设值的大小可根据整个多普勒雷达回波信号的强度来定。
二、判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称;若是,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
标准的余弦波信号在一个周期内,两波谷点的位置相对于波峰点的位置对称,因此,如果提取的类余弦波信号为噪声信号时,则可能存在y[n1]序列中的幅值变化情况与余弦波信号类似,但实际与余弦波信号所构成的波形差别很大,因此,通过判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称来判断该类余弦波是不是噪声信号。
在本实施例中,判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称包括以下两个方面:
(1)、首先判断两波谷点的位置是否相对于波峰点大致对称,包括以下步骤:
获取每一个所述类余弦波信号的第一个波谷点至所述波峰点之间的时间间隔,以及所述波峰点至所述第二个波谷点之间的时间间隔;
第一个波谷点至所述波峰点之间的时间间隔可通过第一波谷点与波峰点之间的离散点个数来获得,在本实施例中,根据采样预设频率可知,每两个相邻的离散点之间的时间间隔为假设第一个波谷点与波峰点之间具有a个离散点,则第一个波谷点与波峰点之间的时间间隔为同样的方法,第二个波谷点至所述波峰点之间的时间间隔可通过第二波谷点与波峰点之间的离散点个数来获得,在本实施例中,假设第二个波谷点与波峰点之间具有b个离散点,则第二个波谷点与波峰点之间的时间间隔为
在本实施例中,两时间间隔的差值为通过判断该时间间隔的差值是否小于第二预设值来判断类余弦波信号第一个波谷点和第二个波谷点相对波峰点是否大致对称,当该时间间隔差值小于第二预设值时,则判断该类余弦波信号第一个波谷点和第二个波谷点相对波峰点的位置大致对称;当该时间间隔差值大于或等于第二预设值时,则该类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称。
根据上述时间间隔差值的表达式可知,实际上判断两波谷点与波峰点之间的离散点的个数差值来判断该类余弦波信号是否大致对称,在本实施例中,第二预设值设定范围通常为小于或等于5/fs。
(2)、判断两波谷点的幅值是否相对波峰点大致对称,包括以下步骤:获取每一个所述类余弦波信号的第一个波谷点与第二个波谷点之间的第一幅值差值、所述第一个波谷点与第二个波谷点的平均幅值、以及所述波峰点的幅值与所述平均幅值之间的第二幅值差值,并计算第一幅值差值与第二幅值差值之间的比值;
在本实施例中,假设第一个波谷点的幅值为x,波峰点的幅值为y,第二个波谷点的幅值为z。则第一个波谷点与第二个波谷点之间的第一幅值差值为|x-z|,所述第一个波谷点与第二个波谷点的平均幅值为波峰点的幅值与平均幅值之间的第二幅值差值为则第一幅值差值与第二幅值差值之间的比值为该比值表示两波谷幅值差差值占整个类余弦波波形幅值差值的比例。通过这个比值与第三预设值比较,当比值小于第三预设值时,则说明余弦波信号第一个波谷点和第二个波谷点相对波峰点的幅值大致对称;当比值大于或等于第三预设值时,所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称。在本实施例中,第三预设值范围优选为小于或等于0.4。
三、判断各所述类余弦波信号与标准余弦波信号是否存在相关性,若是,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
通过第一方面和第二方面判断主要用于判断各类余弦波的大致形状,通过相关性可进一步通过各类余弦波的精确形状来判断是否为噪声信号。
在本实施例中,判断各所述类余弦波信号与标准余弦波信号是否存在相关性具体包括:
首先,构建与各所述类余弦波信号的离散点个数相同且周期相同的标准余弦波信号序列。在本实施例中,将该标准余弦波信号序列各离散点的幅值所构成的序列设为其中n1=1,2,3...M。该标准余弦波信号为单周期,周期从一个波谷开始,下一个波谷结束。各离散点相当于在标准余弦波信号2π周期内平均设置了M个采样点。
计算所述类余弦波信号各离散点幅值与对应的所述标准余弦波信号序列各离散点幅值之间的相关系数;在本实施例中,相关系数设为corr。
根据相关系数的计算公式可算出两个序列的相关系数:
其中,cov(y[n1]-z[n1])表示类余弦波信号的离散点幅值序列与标准余弦波信号序列各离散点的幅值序列的协方差,表示类余弦波信号的离散点幅值序列的标准差,表示标准余弦波信号序列离散点幅值序列的标准差。
在本实施例中,通过判断该相关系数与第四预设值的大小来判断类余弦波信号是否与标准余弦波信号存在相关性,当相关系数大于第四预设值时,则判断该类余弦波信号与标准余弦波信号存在相关性;当相关系数小于或等于第四预设值时,则判断类余弦波信号与标准余弦波信号不相关。在本实施例中,第四预设值的范围优选为大于或等于0.8。
根据上述分析可得,若存在波峰值较低或者两波谷相对波峰对称性差或者类余弦波信号与标准余弦波信号的相关性差的类余弦波信号时,则认为该类余弦波信号为噪声信号。
因此,根据上述步骤将噪声信号和非噪声信号区分开来后,进入步骤S230,将对应为噪声信号的类余弦波信号剔除,只留下符合不属于噪声信号的类余弦波信号进行特征向量计算。提高了运动目标时间-频率域的特征向量提取的准确度,也为运动目标的运动状况分析提供了可靠的数据来源。
进一步地,在一些实施例中,在步骤300中,计算出提取的各所述类余弦波信号的频率和功率的步骤包括:
计算频率值:获取各所述类余弦波信号所包含的离散点的个数,按照以下公式计算得出各所述类余弦波信号频率:
计算功率值:获取所有离散点幅值的平均值以及各各所述类余弦波信号所包含的离散点的幅值,按照以下公式计算得出各所述类余弦波信号功率:
通过上述频率和功率的公式可得出每一个类余弦波的信号的频率和功率,通常将每一个类余弦波信号的波峰位置离散点的频率、功率,作为运动目标在时间-频率域中波峰所在位置的离散点所对应时刻的一个特征向量;参照前述方法,最后得出整个多普勒雷达回波信号的时频特征。
以上所述仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是在本发明的发明构思下,利用本发明说明书及附图内容所作的等效结构变换,或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。
Claims (7)
1.一种多普勒雷达运动目标的时频特征提取方法,其特征在于,包括以下步骤:
以预设采样率连续采集运动目标的多普勒雷达回波信号的N个离散点的信号;
从采集的离散信号中提取出所有单周期的类余弦波信号,包括:按照离散信号采集的先后顺序依次提取每一个单周期的类余弦波信号;判断每一个类余弦波信号是否为噪声信号;将不属于噪声信号的类余弦波信号提取,将属于噪声信号的类余弦波信号剔除;
计算出提取的各所述类余弦波信号的频率和功率,包括:获取各所述类余弦波信号所包含的离散点的个数,按照以下公式计算得出各所述类余弦波信号频率:其中,f为各所述类余弦波信号的频率,fs为信号采集的预设采样率,M为各所述类余弦波信号所包含的离散点信号的个数;
获取所有离散点幅值的平均值以及各各所述类余弦波信号所包含的离散点的幅值,按照以下公式计算得出各所述类余弦波信号功率:其中,P为各所述类余弦波信号的功率,y[n1]为各所述类余弦波信号所包含的离散点的幅值的集合,n1=1,2,3...M,ave为所有离散点幅值的平均值;
将每一个所述类余弦波信号波峰位置的频率和功率作为运动目标时间-频率域的一个特征向量。
2.如权利要求1所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述按照离散信号采集的先后顺序依次提取每一个单周期的类余弦波信号的步骤包括:
从第一个离散点信号开始,依次提取出当前类余弦波信号的第一个波谷点,其中,所述第一个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值;
从当前类余弦波信号的所述第一个波谷点开始,依次提取波峰点和第二个波谷点,其中,所述波峰点的幅值大于其前一个离散点信号的幅值和后一个离散点信号的幅值,所述第二个波谷点的幅值小于其前一个离散点信号的幅值和后一个离散点信号的幅值;
当前类余弦波信号的所述第二个波谷点作为下一个类余弦波信号的第一个波谷点。
3.如权利要求1所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述判断每一个类余弦波信号是否为噪声信号的步骤包括:
判断每一个所述类余弦波信号的波峰点的幅值是否小于第一预设值;
若是,则判断所述类余弦波信号是噪声信号;
若否,则判断所述类余弦波信号不是噪声信号。
4.如权利要求3所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述判断每一个类余弦波信号是否为噪声信号的步骤还包括:
判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称,包括:获取每一个所述类余弦波信号的第一个波谷点至所述波峰点之间的时间间隔,以及所述波峰点至所述第二个波谷点之间的时间间隔;判断两时间间隔的差值是否小于第二预设值,若是,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点大致对称;若否,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称;其中,所述第二预设值小于或等于5/fs;
若各所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点大致对称,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
5.如权利要求4所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述判断各所述类余弦波信号第一个波谷点和第二个波谷点是否相对波峰点大致对称的步骤还包括:
获取每一个所述类余弦波信号的第一个波谷点与第二个波谷点之间的第一幅值差值、所述第一个波谷点与第二个波谷点的平均幅值、以及所述波峰点的幅值与所述平均幅值之间的第二幅值差值,并计算第一幅值差值与第二幅值差值之间的比值;
判断所述比值是否小于第三预设值,若是,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点大致对称;若否,则所述类余弦波信号第一个波谷点和第二个波谷点相对波峰点不对称;其中,所述第三预设值小于或等于0.4。
6.如权利要求4所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述判断每一个类余弦波信号是否为噪声信号的步骤还包括:
判断各所述类余弦波信号与标准余弦波信号是否存在相关性;若是,则判断所述类余弦波信号不是噪声信号;若否,则判断所述类余弦波信号是噪声信号。
7.如权利要求6所述的多普勒雷达运动目标的时频特征提取方法,其特征在于,所述判断各所述类余弦波信号与标准余弦波信号是否存在相关性的步骤包括:
构建与各所述类余弦波信号的离散点个数相同且周期相同的标准余弦波信号序列;
计算所述类余弦波信号各离散点幅值与对应的所述标准余弦波信号序列各离散点幅值之间的相关系数;
判断所述相关系数是否大于第四预设值,若是,则所述类余弦波信号与标准余弦波信号存在相关性,若否,则所述类余弦波信号与标准余弦波信号不相关。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910669096.3A CN110361723B (zh) | 2019-07-22 | 2019-07-22 | 多普勒雷达运动目标的时频特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910669096.3A CN110361723B (zh) | 2019-07-22 | 2019-07-22 | 多普勒雷达运动目标的时频特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110361723A CN110361723A (zh) | 2019-10-22 |
CN110361723B true CN110361723B (zh) | 2021-11-30 |
Family
ID=68220096
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910669096.3A Active CN110361723B (zh) | 2019-07-22 | 2019-07-22 | 多普勒雷达运动目标的时频特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110361723B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111812623B (zh) * | 2020-07-29 | 2021-03-16 | 中国科学院声学研究所 | 一种基于时频特征图的目标信号检测方法及检测*** |
CN114324974B (zh) * | 2021-12-16 | 2023-09-12 | 成都戎星科技有限公司 | 一种单星辐射源无源监测目标运动属性判别方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7966156B1 (en) * | 2002-10-11 | 2011-06-21 | Flint Hills Scientific Llc | Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale |
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
CN104122539A (zh) * | 2014-07-01 | 2014-10-29 | 四川大学 | 基于欠采样的高速运动目标微多普勒参数估计方法 |
CN104792364A (zh) * | 2015-04-10 | 2015-07-22 | 中铁大桥局集团武汉桥梁科学研究院有限公司 | 基于激光多普勒的桥梁动态参数提取***及方法 |
CN105044691A (zh) * | 2015-06-03 | 2015-11-11 | 西安电子科技大学 | 一种海杂波背景下的快速雷达性能评估方法 |
WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
CN106377250A (zh) * | 2016-09-21 | 2017-02-08 | 广州视源电子科技股份有限公司 | 睡眠状态下的脑电信号数据类型的标注设备 |
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
EP3084465B1 (de) * | 2013-12-16 | 2017-09-13 | Elmos Semiconductor Aktiengesellschaft | Verfahren zur verarbeitung eines echosignals eines ultraschallwandlers |
CN107367640A (zh) * | 2017-07-06 | 2017-11-21 | 北京理工大学 | 基于相位信息的非均匀包络未知脉冲边沿估计方法及设备 |
CN108919249A (zh) * | 2018-09-18 | 2018-11-30 | 湖北晧天智能科技有限公司 | 一种基于二维局部插值的雷达目标距离联合估计方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8127138B1 (en) * | 2008-09-29 | 2012-02-28 | The United States Of America As Represented By The Secretary Of The Navy | Method for embedding information in sonar |
JP2011064558A (ja) * | 2009-09-17 | 2011-03-31 | Toto Ltd | ドップラーセンサ装置 |
CN102628941A (zh) * | 2012-03-12 | 2012-08-08 | 陈明霞 | 一种宽频带超声波回波信号的重构方法 |
CN104935541B (zh) * | 2014-03-19 | 2018-05-22 | 日本电气株式会社 | 多普勒频移搜索方法及装置 |
CN105871765A (zh) * | 2016-06-22 | 2016-08-17 | 南京索拉亚科技有限公司 | 一种基于fft辅助s-pll的无线通信载波跟踪方法 |
CN108132396B (zh) * | 2017-12-11 | 2020-11-03 | 北京经纬恒润科技有限公司 | 一种运动位置的确定方法及装置 |
-
2019
- 2019-07-22 CN CN201910669096.3A patent/CN110361723B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7966156B1 (en) * | 2002-10-11 | 2011-06-21 | Flint Hills Scientific Llc | Method, computer program, and system for intrinsic timescale decomposition, filtering, and automated analysis of signals of arbitrary origin or timescale |
CN102243302A (zh) * | 2011-04-15 | 2011-11-16 | 东南大学 | 一种水声目标辐射噪声的线谱时间累积特征提取方法 |
EP3084465B1 (de) * | 2013-12-16 | 2017-09-13 | Elmos Semiconductor Aktiengesellschaft | Verfahren zur verarbeitung eines echosignals eines ultraschallwandlers |
CN104122539A (zh) * | 2014-07-01 | 2014-10-29 | 四川大学 | 基于欠采样的高速运动目标微多普勒参数估计方法 |
WO2016057781A1 (en) * | 2014-10-08 | 2016-04-14 | The University Of Florida Research Foundation, Inc. | Method and apparatus for non-contact fast vital sign acquisition based on radar signal |
CN104792364A (zh) * | 2015-04-10 | 2015-07-22 | 中铁大桥局集团武汉桥梁科学研究院有限公司 | 基于激光多普勒的桥梁动态参数提取***及方法 |
CN105044691A (zh) * | 2015-06-03 | 2015-11-11 | 西安电子科技大学 | 一种海杂波背景下的快速雷达性能评估方法 |
CN106377250A (zh) * | 2016-09-21 | 2017-02-08 | 广州视源电子科技股份有限公司 | 睡眠状态下的脑电信号数据类型的标注设备 |
CN106580301A (zh) * | 2016-12-21 | 2017-04-26 | 广州心与潮信息科技有限公司 | 一种生理参数的监测方法、装置和手持设备 |
CN107367640A (zh) * | 2017-07-06 | 2017-11-21 | 北京理工大学 | 基于相位信息的非均匀包络未知脉冲边沿估计方法及设备 |
CN108919249A (zh) * | 2018-09-18 | 2018-11-30 | 湖北晧天智能科技有限公司 | 一种基于二维局部插值的雷达目标距离联合估计方法 |
Non-Patent Citations (1)
Title |
---|
弹丸转速的多普勒雷达信号分析;汪烊;《中国优秀博硕士学位论文全文数据库 (硕士) 工程科技二辑》;20070115;第1-75页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110361723A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105137498B (zh) | 一种基于特征融合的地下目标探测识别***及方法 | |
US7652617B2 (en) | Radar microsensor for detection, tracking, and classification | |
US5592171A (en) | Wind profiling radar | |
Guan et al. | Adaptive fractional Fourier transform-based detection algorithm for moving target in heavy sea clutter | |
CN111352102A (zh) | 一种基于调频连续波雷达的多目标个数检测方法及装置 | |
CN109001708B (zh) | 基于分级积累检测的雷达机动目标快速精细化处理方法 | |
CN110361723B (zh) | 多普勒雷达运动目标的时频特征提取方法 | |
CN110988834B (zh) | 一种基于自适应阈值双门限的脉冲到达时间测量方法 | |
CN111427018A (zh) | 一种雷达干扰装备干扰效果评估方法 | |
CN109932695A (zh) | 一种提高目标物识别速度的方法及装置 | |
CN111999726B (zh) | 一种基于毫米波雷达的人员定位方法 | |
CN106534014A (zh) | 一种多分量lfm信号的精确检测与分离方法 | |
Abratkiewicz et al. | Radar signal parameters estimation using phase accelerogram in the time-frequency domain | |
CN114027805B (zh) | 一种基于微波雷达的生命体征测量方法及*** | |
CN116509365A (zh) | 生命体征监测方法及装置 | |
Shcherbakova et al. | Determination of characteristic points of electrocardiograms using multi-start optimization with a wavelet transform | |
Vizinho et al. | Evaluation of the use of the modified-covariance method in HF radar ocean measurement | |
CN105242272B (zh) | 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法 | |
CN115345216A (zh) | 一种融合先验信息的fmcw雷达干扰消除方法 | |
CN108872954B (zh) | 基于同一周期内相关处理的恒虚警检测方法 | |
EP1254379B1 (en) | Method for measurement of the radar target cross section of an object with both moving and fixed parts | |
CN108195443B (zh) | 水位测量方法、***及设备 | |
CN111337897A (zh) | 一种lfmcw雷达快速目标识别方法 | |
CN115166648B (zh) | 一种低信噪比雷达信号处理方法及装置 | |
CN116449304B (zh) | 一种基于频率测量的sar发射脉冲到达时间测量方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |