[发明专利]一种基于边缘检测的目标微多普勒特征分离提取方法

说明书

本发明提供一种基于边缘检测的目标微多普勒特征分离提取方法，包括对回波信号进行平滑伪Winger‑Ville处理，得到回波信号的时频分布矩阵；将时频分布矩阵对应的时频分布图看作灰度图像进行对比度增强和边缘锐化处理，并对处理后的图像进行边缘检测；在边缘检测结果中基于边缘斜率惯性原则对两个分量对应的目标微多普勒特征进行分离和边界提取；在时频分布矩阵中计算边界范围内的能量分布重心，得到两个分量的瞬时频率变化规律曲线，并由此解算目标微多普勒特征参数。本发明实现了回波信号为两分量信号情况下目标微多普勒特征的分离，本发明计算简便，对目标先验信息要求低，实用性好，克服了现有分量提取算法的不足。

技术领域

本发明涉及目标微多普勒特征探测技术领域，具体是一种基于边缘检测的目标微多普勒特征分离提取方法。

背景技术

21世纪初，美国海军研究实验室的V.C.Chen教授率先提出了微多普勒效应的概念。V.C.Chen教授指出，目标整体与雷达存在径向运动产生多普勒效应的同时，由于目标自身或者一些组成部分还存在相对于整体平动幅度较小的振动、转动等微小运动，会对雷达回波信号产生附加的频率调制，导致在频谱上出现以多普勒频率为中心的展宽现象。这一现象就被称为微多普勒效应。

微多普勒效应被认为是唯一能反映目标微动的特征，而且兼具反映目标运动特征和几何结构的能力。相比于传统的通过时间、距离、强度、偏振等手段探测目标非运动特征的方法，基于微多普勒效应的目标探测抗干扰、抗欺骗的能力更强，可以说开辟了目标探测识别的新途径。

目标的探测识别关键在于从回波信号中提取目标的微多普勒特征。微多普勒回波信号为非平稳信号，目前主要采用时频分析方法对其进行处理，在所有的线性和非线性时频分析方法中，平滑伪维格纳-维利分布(SPWVD)被证明有较好的分析效果。而微多普勒特征就是从回波信号时频分布中提取瞬时频率的变化规律，并从中解算出目标微动参数。已有的瞬时频率提取方法有峰值提取和一阶时间矩等非参数化方法和霍夫(Hough)变化等参数化方法。非参数化方法计算简便，处理速度快，对于单分量、高信噪比的情况能较准确地提取瞬时频率，但在多分量或低信噪比时，提取的瞬时频率会出现跳变和偏差，无法正确解算目标微动参数；Hough变化抗噪和抗断续性好，能获得精准的瞬时频率估计，但前提是必须预知信号的微多普勒频率调制规律，根据不同的规律建立不同的参数模型，这对于非合作目标并不适用。对于兼具信号分离和特征提取能力的Hilbert-Hough变换(HHT)方法，绕开时频分析，具有完全的自适应性和信号分离的能力，适合多分量突变信号，能够实现真正意义上的瞬时频率提取。但基于经验模态分解(EMD)的信号分离，在信号时间尺度存在跳跃性变化时存在模态混叠和尺度分辨率受限的问题，会直接影响Hilbert变换的结果，而且EMD方法计算量大，导致实时性差，影响在工程中的应用。为解决现有方法的不足，需要提出一种更好的目标微多普勒特征分离和提取方法。

发明内容

本发明的目的在于提供一种基于边缘检测的目标微多普勒特征分离提取方法，利用对回波信号的时频分布图进行边缘检测的原理，解决重叠图像边缘信息完全丢失的问题，实现回波信号为两分量信号情况下目标微多普勒特征的分离和参数提取。

本发明的技术方案为：

一种基于边缘检测的目标微多普勒特征分离提取方法，包括以下步骤：

(1)采用平滑伪Winger-Ville分布时频分析方法对采集的目标微动相干激光雷达探测回波信号进行处理，得到所述回波信号的时频分布矩阵P(t，f)；所述回波信号由两个分量构成，所述时频分布矩阵P(t，f)中的元素数值表示回波信号在时频面上的能量分布；

(2)将所述时频分布矩阵P(t，f)对应的时频分布图看作是一幅灰度图像，对所述灰度图像进行对比度增强和边缘锐化处理，得到增强后的图像矩阵Penh(t，f)；所述时频分布图的横坐标表示时间t对应于时频分布矩阵P(t，f)的列，所述时频分布图的纵坐标表示频率f，对应于时频分布矩阵P(t，f)的行；