基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法

技术领域

本发明属于雷达信号处理领域，涉及一种基于改进有序统计量恒虚警检测(ordered statistic-constant false alarm rate，OS-CFAR)与时频聚类的雷达目标微多普勒提取方法。

背景技术

雷达目标的运动产生多普勒。不同的运动方式将产生具有不同变化特性的多普勒。特别地，当雷达目标具有微动时，雷达回波将具有微多普勒效应，即受到时变的频率调制。目标的微动包括振动、转动、进动等往复性运动。目标的微多普勒包含了目标的独特运动信息，可用作辨识目标的有效特征。例如，不同类型的飞机具有不同的旋翼半径和旋翼转速，通过获取目标微多普勒能够反向计算飞机的旋翼转速和半径，从而实现飞机类型的判断。

微动目标的雷达回波为典型的多分量非平稳信号，表现为具有多个不同的随时间变化的微多普勒分量。短时傅里叶变换等时频分析工具能够获取雷达回波的联合时间-频率分布，是分析目标微多普勒的主要数学工具之一。获取时频分布图后，可使用图像曲线检测方法提取目标微多普勒。针对雷达目标微多普勒提取，对比文件“陈行勇，刘永祥，黎湘等.雷达目标微多普勒特征提取.信号处理[J]，2007,23(2)：222-226”提出基于峰值检测和一阶条件矩的方法，该方法具有实现简单、计算量小等优势，被广泛使用，然而该方法受噪声影响较大，容易产生错误的估计值。

发明内容

针对噪声条件下的雷达目标微多普勒提取问题，本发明提出一种基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法，该方法在获取雷达目标回波的时频图后，基于改进OS-CFAR检测方法提取每个时刻的微多普勒分量，进行一维时频聚类；然后，联合所有时刻的微多普勒分量，进行二维时频聚类；最后，对聚类结果进行统计，根据统计属性去除无效的微多普勒分量，得到最终的目标微多普勒提取结果。

为达到上述目的，本发明是通过以下技术方案实现的：

一种基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法，包括下列步骤：

S1计算微动目标雷达回波的时频图

记微动目标的雷达回波为s(n)，信号的采样时间间隔为ΔT，其中0≤n＜N表示信号的离散时间，N为信号的长度，NΔT即为信号的持续时间。微动目标的雷达回波s(n)可表示为：

其中，

使用短时傅里叶变换获取微动目标雷达回波的时频图：

其中h(m)为时间窗函数，m表示时间窗函数的时间，0≤m＜N

S2使用改进OS-CFAR检测方法提取每个时刻的微多普勒，步骤如下：

S2.1定义集合F

S2.2获取n时刻的时频图幅度切片，记为T

S2.3获取k′处的保护频率单元，使用集合G表示，G由min{0,k′-N

S2.4获取保护频率单元集合的重排索引，记为I

S2.5按照从小到大的顺序排列I

S2.6获取时频图切片关键点顺序I

S2.7计算检测门限Δ

S2.8计算检测门限索引i

S2.9计算检测门限Δ

S2.10检测k′处有无微多普勒分量，检测公式为T

S2.11设置离散频率k的循环变量k′的值加1，重复S2.3-S2.10，直到k′＝N

S3对每个时刻提取的微多普勒分量进行一维时频聚类，定义一维时频簇中心集合F

S3.1以频率差值作为一维时频聚类的距离度量，计算集合F

k

其中，k

S3.2将距离小于频率距离阈值Δ

S3.3计算每个簇的元素数量，第i个簇c

S3.4选取每个簇中时频幅度值最大的微多普勒分量作为簇中心，第i个簇c

S4对一维时频簇中心集合F

S4.1计算所有一维时频簇中心之间的距离：

其中，d

S4.2将同时满足d

S5获取每个二维时频簇关联的微多普勒分量数目，定义第i个二维时频簇关联的微多普勒分量数目为N

S6根据关联的微多普勒分量数目去除无效二维时频簇，记无效二维时频簇为

S7根据无效二维时频簇更新一维时频簇中心集合，对第i个二维时频簇

S8将更新后的一维时频簇中心

与现有技术相比，本发明的有益效果如下：

第一，本发明提供的基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法能够实现多分量微多普勒提取；

第二，本发明提供的基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法能够处理有噪声的雷达目标回波；

第三，本发明提供的基于改进OS-CFAR检测与时频聚类的雷达目标微多普勒提取方法能够作为进一步估计微动参数的有效依据，如基于提取的微多普勒进一步估计微动幅度、微动周期等具有重要作用的微动参数；

第四，本发明提供的改进OS-CFAR检测算法相比原有OS-CFAR检测算法运行时间节约50％以上。

附图说明

图1雷达目标微多普勒提取流程图；

图2改进OS-CFAR方法流程图；

图3雷达目标微多普勒提取的处理结果：(a)雷达目标回波时频图，(b)改进OS-CFAR检测结果，(c)一维时频聚类得到的簇中心,(d)雷达目标微多普勒提取值。

图4改进OS-CFAR方法和原有OS-CFAR方法的运行时间截图。

具体实施方式

下面结合附图对本发明做进一步说明：

图1为本发明提出的雷达目标微多普勒提取流程图。处理流程包括：(1)计算微动目标雷达回波的时频图；(2)使用改进OS-CFAR检测方法提取每个时刻的微多普勒；(3)对每个时刻提取的微多普勒分量进行一维时频聚类；(4)对一维时频簇中心集合进行二维时频聚类；(5)获取每个二维时频簇关联的微多普勒分量数目；(6)根据关联的微多普勒分量数目去除无效二维时频簇；(7)根据无效二维时频簇更新一维时频簇中心集合；(8)将一维簇中心作为雷达目标微多普勒提取值。

图2为改进OS-CFAR方法流程图。处理流程包括：(1)初始化微多普勒分量集合为空集，设置k′＝0；(2)获取时频图幅度切片，并重新排列；(3)获取k′处的保护频率单元集合；(4)获取保护频率单元集合的重排索引，记为I

图3为雷达目标微多普勒提取的处理结果，从图(a)中可以看到，雷达目标回波时频图包含了噪声和目标分量；从图(b)中可看到，由于噪声的存在，改进OS-CFAR检测得到的微多普勒分量同时混合了部分噪声分量，需要进一步处理；图(c)中为一维时频聚类得到的簇中心，该步骤将每个时刻相邻的微多普勒分量聚集在一起，有利于进一步处理，本发明专利提出的方法也以簇中心作为微多普勒提取的依据；从图(d)可看到经过二维时频聚类及去除无效微多普勒分量后得到的雷达目标微多普勒提取值，该方法成功提取了雷达目标的两个微多普勒分量，且噪声的影响被去除。

图4为改进OS-CFAR方法和OS-CFAR方法的运行时间截图，两个方法各运行1000次，改进OS-CFAR方法的运行时间为1.473833s,OS-CFAR方法的运行时间为3.527983s，通过对比，本发明专利提出的改进OS-CFAR方法相比原有方法运行效率提升2倍以上。