一種適用于短時觀測的空間目標(biāo)的微多普勒分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于雷達(dá)目標(biāo)識別技術(shù)領(lǐng)域，涉及一種適用于短時觀測的空間目標(biāo)的微多 普勒分析方法，可用于針對短時觀測的空間目標(biāo)的微多普勒分析。
【背景技術(shù)】
[0002] 微動特征通常被認(rèn)為能夠獨(dú)一無二地表征目標(biāo)的運(yùn)動特性，具有為雷達(dá)目標(biāo)的辨 識與分類提供可靠信息的能力。在空間目標(biāo)的微動感知應(yīng)用中，廣泛采用時頻分析方法對 目標(biāo)進(jìn)行微多普勒分析以獲取其微動特征；其中，線性時頻分析方法，如短時傅立葉方法， 該方法為傳統(tǒng)傅立葉方法的推廣，將時間窗內(nèi)的信號視為平穩(wěn)信號，通過滑窗方式得到信 號瞬時頻率的變化規(guī)律，但短時傅立葉方法的時間與頻率分辨率受不確定原理的制約，通 常無法同時達(dá)到令人滿意的時、頻精度；隨后，二次時頻分析方法，如Wigner-Ville分布方 法被提出用來克服時頻分辨率受不確定性原理的制約，但二次時頻分析方法在提高時頻分 辨率的同時會引入交叉項，交叉項的影響嚴(yán)重時會成為一個干擾。
[0003] 為了克服線性與二次時頻分析等非參數(shù)化方法的缺陷，人們又提出了參數(shù)化時頻 分析方法，如時變自回歸（TVAR:Time_varying Auto Regressive)模型、時變自回歸滑動平 均（TVARMA: Time-varying Auto Regressive and Moving Average)模型等；此類方法根據(jù) 平穩(wěn)信號的分析方法推廣演變而來，好處是能夠在短時間窗內(nèi)保證較高的時頻精度，且能 根據(jù)模型實現(xiàn)數(shù)據(jù)內(nèi)插或外推；缺點(diǎn)是需要一定的關(guān)于信號的先驗信息來確定模型參數(shù)， 從而保證性能。
[0004] 通常，在短時觀測的情況下，前后向TVAR模型的性能要優(yōu)于單向TVAR模型，當(dāng)數(shù) 據(jù)足夠多時兩者的性能接近。傳統(tǒng)的基于最小二乘的前后向TVAR模型的求解方法存在矩 陣求逆操作，求解精度受限于觀測數(shù)據(jù)的長度、模型階次、基函數(shù)及其維度的選擇。當(dāng)模型 階次與基函數(shù)維度較高時，求逆運(yùn)算的計算量大，需要通過迭代算法來求解；當(dāng)觀測樣本較 少時，所需求逆的矩陣的奇異性較差，導(dǎo)致前后向TVAR模型系數(shù)的估計誤差較大?？紤]到 現(xiàn)實環(huán)境中，存在對空間目標(biāo)無法進(jìn)行長時間連續(xù)觀測的情況，如在對群目標(biāo)的觀測中，為 防止跟丟其中的任一目標(biāo)，單個目標(biāo)的駐留時間是很有限的（即觀測樣本較少）。因此，在 此類情況下，采用基于最小二乘的前后向TVAR模型方法來準(zhǔn)確分析空間目標(biāo)的微多普勒 難度較大。

【發(fā)明內(nèi)容】

[0005] 為克服上述已有技術(shù)的不足，本發(fā)明的目的在于提出一種適用于短時觀測的空間 目標(biāo)的微多普勒分析方法，該方法構(gòu)建稀疏前后向TVAR模型，能夠有效地對短時觀測的空 間目標(biāo)進(jìn)行微多普勒分析。
[0006] 本發(fā)明的實現(xiàn)思路是：構(gòu)建稀疏前后向TVAR模型對短時觀測的空間目標(biāo)進(jìn)行微 多普勒分析。根據(jù)空間目標(biāo)通常為剛體目標(biāo)且微動特征普遍服從正弦變化規(guī)律這一事實， 能夠明確空間目標(biāo)的前后向TVAR模型的時變系數(shù)在一組給定的基函數(shù)下展開后具有稀疏 分布的特點(diǎn)。在傳統(tǒng)的基于最小二乘的前后向TVAR模型的求解方法中引入稀疏性，構(gòu)建稀 疏前后向TVAR模型，并通過求解稀疏前后向TVAR模型來提高對短時觀測的空間目標(biāo)的微 多普勒分析精度。
[0007] 為達(dá)到上述技術(shù)目的，本發(fā)明采用以下技術(shù)方案予以實現(xiàn)。
[0008] -種適用于短時觀測的空間目標(biāo)的微多普勒分析方法，其特征在于，包括以下步 驟：
[0009] 步驟1，采用前后向TVAR模型表示短時觀測的空間目標(biāo)的雷達(dá)回波，得到短時觀 測的空間目標(biāo)的前后向TVAR模型；
[0010] 步驟2,針對短時觀測的空間目標(biāo)，在基于最小二乘的前后向TVAR模型的求解方 法中引入稀疏性，得到關(guān)于短時觀測的空間目標(biāo)的前后向TVAR模型求解的稀疏優(yōu)化問題， 即稀疏前后向TVAR模型；
[0011] 步驟3,利用最小描述長度準(zhǔn)則確定稀疏前后向TVAR模型的階次與基函數(shù)的維 度；
[0012] 步驟4,求解稀疏前后向TVAR模型的階次為Pci以及基函數(shù)的維度為q ^時，稀疏前 后向TVAR模型的時不變系數(shù)向量α。與 對α。與《進(jìn)行估計，得到稀疏前后向TVAR模 型的階次為Ρ。以及基函數(shù)的維度為q。時，稀疏前后向TVAR模型的時不變系數(shù)向量的估計 值I與《;
[0013] 步驟5,根據(jù)稀疏前后向TVAR模型的階次為Pci以及基函數(shù)的維度為q ^時，稀疏前 向TVAR模型的時不變系數(shù)向量的估計值<，計算短時觀測的空間目標(biāo)的瞬時信號功率譜， 實現(xiàn)對短時觀測的空間目標(biāo)的微多普勒分析。
[0014] 本發(fā)明的有益效果是：本發(fā)明構(gòu)建了稀疏前后向TVAR模型對短時觀測的空間目 標(biāo)進(jìn)行微多普勒分析。本發(fā)明根據(jù)空間目標(biāo)通常為剛體目標(biāo)且微動特征普遍服從正弦變化 規(guī)律這一事實，明確了空間目標(biāo)的前后向TVAR模型的時變系數(shù)在一組合適的基函數(shù)下展 開后具有稀疏分布的特點(diǎn)；針對短時觀測的空間目標(biāo)，在基于最小二乘的前后向TVAR模型 的求解方法中引入了稀疏性，將短時觀測的空間目標(biāo)的前后向TVAR模型的求解問題轉(zhuǎn)化 為稀疏優(yōu)化問題來求解，有效地實現(xiàn)了對短時觀測的空間目標(biāo)的微多普勒分析。
【附圖說明】
[0015] 下面結(jié)合【附圖說明】和【具體實施方式】對本發(fā)明作進(jìn)一步詳細(xì)說明。
[0016] 圖1是本發(fā)明的流程圖。
[0017] 圖2是電磁仿真實驗一的帶凹槽自旋目標(biāo)模型的示意圖。
[0018] 圖3是三種方法對帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖（觀測時間為0.5s)，圖 3中，橫坐標(biāo)為時間，單位為秒（s)，縱坐標(biāo)為頻率，單位為赫茲（Hz)，其中：
[0019] 圖3a是AOK時頻分析方法對無噪聲情況下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果 圖；
[0020] 圖3b是AOK時頻分析方法對20dB信噪比下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果 圖；
[0021] 圖3c是AOK時頻分析方法對IOdB信噪比下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果 圖；
[0022] 圖3d是基于最小二乘的前后向TVAR模型求解方法對無噪聲情況下帶凹槽自旋目 標(biāo)的微多普勒分析結(jié)果圖；
[0023] 圖3e是基于最小二乘的前后向TVAR模型求解方法對20dB信噪比下帶凹槽自旋 目標(biāo)的微多普勒分析結(jié)果圖；
[0024] 圖3f是基于最小二乘的前后向TVAR模型求解方法對IOdB信噪比下帶凹槽自旋 目標(biāo)的微多普勒分析結(jié)果圖；
[0025] 圖3g是本發(fā)明方法對無噪聲情況下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖；
[0026] 圖3h是本發(fā)明方法對20dB信噪比下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖；
[0027] 圖3i是本發(fā)明方法對IOdB信噪比下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖。
[0028] 圖4是三種方法對帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖（觀測時間為Is)，圖4 中，橫坐標(biāo)為時間，單位為秒（s)，縱坐標(biāo)為頻率，單位為赫茲（Hz)，其中：
[0029] 圖4a是AOK時頻分析方法對無噪聲情況下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果 圖；
[0030] 圖4b是基于最小二乘的前后向TVAR模型求解方法對無噪聲情況下帶凹槽自旋目 標(biāo)的微多普勒分析結(jié)果圖；
[0031] 圖4c是本發(fā)明方法對無噪聲情況下帶凹槽自旋目標(biāo)的微多普勒分析結(jié)果圖。
[0032] 圖5是電磁仿真實驗二的光滑進(jìn)動目標(biāo)模型示意圖。
[0033] 圖6是三種方法對光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖（觀測時間為2s)，圖6 中，橫坐標(biāo)為時間，單位為秒（s)，縱坐標(biāo)為頻率，單位為赫茲（Hz)，其中：
[0034] 圖6a是AOK時頻分析方法對無噪聲情況下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果 圖；
[0035] 圖6b是AOK時頻分析方法對20dB信噪比下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果 圖；
[0036] 圖6c是AOK時頻分析方法對IOdB信噪比下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果 圖；
[0037] 圖6d是基于最小二乘的前后向TVAR模型求解方法對無噪聲情況下光滑進(jìn)動目標(biāo) 的微多普勒分析結(jié)果圖；
[0038] 圖6e是基于最小二乘的前后向TVAR模型求解方法對20dB信噪比下光滑進(jìn)動目 標(biāo)的微多普勒分析結(jié)果圖；
[0039] 圖6f是基于最小二乘的前后向TVAR模型求解方法對IOdB信噪比下光滑進(jìn)動目 標(biāo)的微多普勒分析結(jié)果圖；
[0040] 圖6g是本發(fā)明方法對無噪聲情況下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖；
[0041] 圖6h是本發(fā)明方法對20dB信噪比下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖；
[0042] 圖6i是本發(fā)明方法對IOdB信噪比下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖。
[0043] 圖7是三種方法對光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖（觀測時間為Is)，圖7 中，橫坐標(biāo)為時間，單位為秒（s)，縱坐標(biāo)為頻率，單位為赫茲（Hz)，其中：
[0044] 圖7a是AOK時頻分析方法對無噪聲情況下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果 圖；
[0045] 圖7b是基于最小二乘的前后向TVAR模型求解方法對無噪聲情況下光滑進(jìn)動目標(biāo) 的微多普勒分析結(jié)果圖；
[0046] 圖7c是本發(fā)明方法對無噪聲情況下光滑進(jìn)動目標(biāo)的微多普勒分析結(jié)果圖。
【具體實施方式】
[0047] 參照圖1，本發(fā)明的一種適用于短時觀測的空間目標(biāo)的微多普勒分析方法，包括以 下步驟：
[0048] 步驟1，采用前后向TVAR模型表示短時觀測的空間目標(biāo)的雷達(dá)回波，得到短時觀 測的空間目標(biāo)的前后向TVAR模型。
[0049] 步驟1的具體子步驟為：
[0050] I. 1設(shè)短時觀測的空間目標(biāo)的第η次雷達(dá)回波為χ(η)，η = 0, 1，. . .，N-l，N為雷 達(dá)回波總次數(shù)；采用前后向TVAR模型表示短時觀測的空間目標(biāo)的第η次雷達(dá)回波，得到如 下短時觀測的空間目標(biāo)的前后向TVAR模型：
[0053] 其中，ρ為短時觀測的空間目標(biāo)的前后向TVAR模型的模型階次；第一個公式表示 短時觀測的空間目標(biāo)的前向TVAR模型，B 1 (η)是短時觀測的空間目標(biāo)的前向TVAR模型的時 變系數(shù)；第二個公式表示短時觀測的空間目標(biāo)的后向TVAR模型，<(?