基于宽带雷达距离-慢时间像的自旋微动群目标分辨*

杨 陈, 池 龙, 张 群,2, 罗 迎,3

(1 空军工程大学信息与导航学院, 西安 710077; 2 复旦大学电磁波信息科学教育部重点实验室, 上海 200433; 3 西安电子科技大学雷达信号处理国家重点实验室, 西安 710071)

基于宽带雷达距离-慢时间像的自旋微动群目标分辨*

杨 陈1, 池 龙1, 张 群1,2, 罗 迎1,3

(1 空军工程大学信息与导航学院, 西安 710077; 2 复旦大学电磁波信息科学教育部重点实验室, 上海 200433; 3 西安电子科技大学雷达信号处理国家重点实验室, 西安 710071)

空间群目标的探测与识别问题异常复杂。文中针对宽带雷达信号条件下的自旋微动群目标分辨问题,提出了一种基于距离-慢时间像的群目标分辨方法。不同于其它文献中m-D曲线分离的思路,文中根据宽带雷达距离-慢时间像中m-D曲线,求解所有散射点到雷达的距离变化函数的“和函数”,再对“和函数”作傅里叶变换,根据“和函数”在频域的分量实现群目标分辨。仿真实验验证了所提方法的可行性和鲁棒性。

自旋微动;群目标;微多普勒;距离-慢时间像;傅里叶变换

0 引言

近年来,世界各国对空间利用的日渐重视,空间活动规模不断扩大,各类航天器、卫星、弹道导弹、太空碎片的数量急剧增加。与一般分布较为分散的空中或地面目标不同,空间目标经常成“群”在轨道上密集高速飞行,如空间碎片群和中段弹道目标群。空间群目标探测与识别的重要性日益显著,开展相关理论与关键技术研究,对保障我国空间安全、促进国家空间技术发展以及空间和平利用均具有十分重要的意义[1]。

当前,随着高分辨雷达技术和现代信号处理技术的快速发展,空间目标探测和识别技术已由RCS测量及其统计特征提取与识别、调制谱特征提取与识别等发展为一维距离像识别、二维ISAR像识别等多种手段,特别是基于微多普勒效应的空间目标微动特征提取与识别技术,近年来获得了较为广泛的关注[2]。目前,对于单个目标的微动信息的提取与应用已经近于成熟[3-8]。然而,在探测群目标时,由于多个目标位于雷达天线同一波束范围内,各目标的回波信号在时域或频域相互叠加,群目标微动特征提取和目标分辨十分困难。从公开文献来看,仅有少量关于群目标微多普勒效应研究。例如文献[9]提出了一种滑动窗轨迹跟踪来实现分离m-D曲线的方法,实现了群目标分辨;文献[10]提出了基于正弦调频傅里叶变换的群目标分辨方法,但仅适用于窄带雷达信号;文献[11]提出了基于时频最大幅值的瞬时频率估计方法提取目标微动周期,根据各目标周期差异实现多目标分辨,然而该方法只适用于单成分信号或在时频面无交叠的多成分信号。

文中针对宽带雷达信号条件下的自旋微动群目标分辨问题展开研究,提出了一种基于距离-慢时间像的自旋微动群目标分辨方法。该方法运算简单,能够实现对群目标中具有不同自旋频率目标的分辨,并获得各目标的自旋频率特征。仿真实验证明了该方法的有效性。

1 距离-慢时间像中的微多普勒效应

假设雷达发射的线性调频信号可写为:

(1)

式中:

(2)

fc是载频;Tp是脉冲宽度;μ是调频率。

基于“stop-go”近似模型,目标某散射点回波信号可表示为:

(3)

式中r(tm)为该散射点tm时刻到雷达的距离。

当选择目标本地坐标系原点的回波信号作为参考信号时,参考信号可表示为:

(4)

将回波信号与参考信号共轭相乘,得到:

(5)

式中RΔ(tm)=r(tm)-Rref(tm)。

令t′=tk-2Rref(tm)/c,对式(5)关于t′作傅里叶变换,并去除RVP项和包络“斜置”项后得到回波信号在快时间频率域(fk域)的表达式:

(6)

对应的一维距离像峰值位置位于fk=-2μRΔ(tm)/c处。通过乘以因子-c/(2μ),fk可被转化为点目标到参考点的径向距离RΔ(tm)。快时间频率-慢时间平面,即fk-tm平面,由于fk通过距离定标可以转化为径向距离,因此该平面也可称为距离-慢时间像。根据式(6)可知,Sd(fk,tm)的相位受到RΔ(tm)的调制,导致回波信号在慢时间tm域产生微多普勒效应。从距离-慢时间像上看,微多普勒效应表现为距离像峰值呈现为随RΔ(tm)变化的曲线,该曲线为微多普勒特征曲线,简称m-D曲线。对于旋转类微动:

RΔ(tm)=d+lcos(Ωtm+θ)cosε

(7)

式中:l为散射点旋转半径;ε为雷达视线方向与旋转平面的夹角;Ω为旋转角速度;d为旋转中心到雷达的距离与参考点到雷达距离之差;θ表示相位。所以自旋微动群目标的距离-慢时间像中,自旋散射点对应的m-D曲线表现为余弦形式,且相互交织在一起。

2 基于距离-慢时间像的群目标分辨方法

在距离-慢时间像中,可以通过峰值检测得到某一慢时间tm时刻所有散射点的RΔ(tm)值。假设用M(tm)表示tm时刻所有散射点RΔ(tm)值之和,则:

(8)

式中N为散射点数目。

由式(7)和式(8)可得:

(9)

同一个目标上的所有散射点具有相同的旋转频率,对M(tm)作傅里叶变换:

(10)

以上分析的基础是:必须从每一个tm时刻所得的一维距离像中获得所有散射点的准确的RΔ(tm)值。因此必须首先进行噪声和一维距离像旁瓣处理。这里借鉴文献[10]中的一维距离像旁瓣和噪声抑制的方法——形态学图像处理。

综合上述分析,基于距离-慢时间像的自旋微动群目标分辨方法包括以下步骤:

Step1:通过形态学图像处理抑制距离-慢时间像中一维像旁瓣。

Step2:在距离-慢时间像中,检测每一个慢时间采样时刻一维距离像中的峰值数peaks_num[tm],然后找出peaks_num[tm]中频率最大的值N,并判断N为散射点数目。

Step3:找出peaks_num[tm]值为N的慢时间采样时刻,并在这些时刻按照式(8)计算M(tm)的函数值。

Step4:在Step3的基础上,采用插值法计算出M(tm)其它慢时间时刻的函数值。

3 仿真

假设在雷达坐标系中坐标为(300 km,100 km,500 km)附近有3个自旋微动目标,其信息见表1。雷达载频为fc=10 GHz,带宽B=1 GHz,PRF=500 Hz,信号时长T=1 s,脉冲宽度Tp=10-7s,快时间采样率fs=2B=2 GHz。在回波中加入不同信噪比的高斯白噪声,仿真结果如图1～图3所示。

4 结语

通过在m-D曲线分离思想基础上逆向思考,文中提出一种新的自旋微动群目标分辨方法。仿真实验证明了其有效性。该方法目前仅适用于自旋微动群目标,对于其它的群目标微动形式(例如具有进动的导弹弹头群目标),其分辨识别方法还需寻求其它技术手段。本方法为解决空间群目标的探测与识别问题提供了新的技术途径。

[1] 黄培康. 试论空间目标信息获取 [J]. 航天电子对抗, 2005, 21(2): 17-20.

[2] 王德纯. 微多普勒雷达述评 [J]. 中国电子科学研究院学报, 2012, 7(6): 575-580.

[3] LEI P, SUN J P, WANG J, et al. Micro-motion parameter estimation of free rigid targets based on radar micro-Doppler [J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(10): 3776-3786.

[4] CHEN Xiaolong, GUAN Jian, BAO Zhonghua, et al. Detection and extraction of target with micro-motion in spiky sea clutter via short-time fractional fourier transform [J]. IEEE Transaction on Geoscience and Remote Sensing, 2014, 52(2): 1002-1017.

[5] LUO Y, ZHANG Q, QIU C W, et al. Micro-Doppler effect

analysis and feature extraction in ISAR imaging with stepped-frequency chirp signals [J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4): 2087-2098.

[6] 牛杰, 刘永祥, 秦玉亮, 等. 一种基于经验模态分解的椎体目标雷达微动特征提取新方法 [J]. 电子学报, 2011, 39(7): 1712-1715.

[7] TIVIVE FHC, PHUNG Son Lam, BOUZERDOUM Abdesselam. Classification of micro-Doppler signatures of human motions using log-Gabor filters [J]. IET Radar， Sonar and Navigation, 2015, 9(9): 1188-1195.

[8] MCDONALD Michael Kenneth. Discrimination of human targets for radar surveillance via micro-Doppler characteristics [J]. IET Radar， Sonar and Navigation, 2015, 9(9): 1171-1180.

[9] 赵盟盟, 张群, 陈怡君, 等. 一种用于群目标分辨的滑动窗轨迹跟踪算法 [J]. 宇航学报, 2015, 36(10): 1187-1194.

[10] 杨陈, 池龙, 张群, 等. 正弦调频傅里叶变换的自旋微动群目标分辨 [J]. 空军工程大学学报(自然科学版), 2016, 17(3): 51-56.

[11] LIU Yongxiang, CHEN Hangyong, LI Liang, et al. Radar micro-motion target resolution [C]// Proceedings of 2006 CIE International Conference on Radar. New York: IEEE, 2007: 1411-1414.

ResolutionofGroupTargetswithSpinningMicro-motionBasedontheRangeSlow-timeImageofBroadbandRadar

YANG Chen1, CHI Long1, ZHANG Qun1,2, LUO Ying1,3

(1 Information and Navigation College, Air Force Engineering University, Xi’an 710077, China; 2 Key Laboratory of EMW Information (Fudan University), Ministry of Education, Shanghai 200433, China; 3 National Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China)

It is extremely complex to detect and recognize space group targets. Aiming to the resolution of group targets with spinning micro-motion, an approach based on range slow-time image is proposed in this paper. Different from the thought of m-D (micro-Doppler) curves separation in other literatures, the “sum function” which is an additive combination of each scatter’s range varying function is gained basing on the m-D curves in range slow-time image of broadband radar. Taking Fourier transform to the “sum function”, and then the group targets resolution is realized according to the frequency components of “sum function”. The simulation illuminates the feasibility and robustness of this approach.

spinning micro-motion; group targets; micro-doppler; range slow-time image; Fourier transform

TN957

A

2016-06-15

国家自然科学基金(61471386;61571457)资助

杨陈(1991-),男,重庆忠县人,硕士研究生,研究方向:雷达信号处理。