用于微动特征提取相干激光雷达若干关键技术研究
雷达微动目标参数估计与特征提取方法研究

雷达微动目标参数估计与特征提取方法研究雷达微动目标参数估计与特征提取方法研究摘要:雷达技术在军事、航空、天气、地质勘探等领域起着重要的作用,然而,目标微动对雷达目标参数估计和特征提取造成了很大挑战。
本文综述了雷达微动目标参数估计与特征提取的研究现状,重点介绍了微动目标参数的定义、影响因素以及常用的估计方法和特征提取方法,并探讨了未来的研究方向。
1. 引言雷达技术应用广泛,但是当目标发生微动时,对目标参数的估计和特征提取就会受到很大影响。
目标微动是由于目标本身运动或外界干扰引起的,它会导致雷达返回信号的频谱发生变化,使得参数估计和特征提取变得困难。
因此,研究雷达微动目标参数估计与特征提取方法具有重要的理论意义和实际应用价值。
2. 微动目标参数定义与影响因素微动目标参数是指目标微动时与目标运动状态相关的参数,常见的微动目标参数包括速度、加速度、振幅、相位等。
雷达微动目标参数受多种因素影响,如目标本身性质、雷达工作模式、外界环境条件等。
了解这些影响因素对于选择合适的参数估计和特征提取方法至关重要。
3. 微动目标参数估计方法目前,常用的微动目标参数估计方法包括最小二乘法、扩展卡尔曼滤波、粒子滤波等。
最小二乘法是一种常见且简便的估计方法,能够通过最小化预测值和观测值之间的均方误差来估计微动目标参数。
扩展卡尔曼滤波则是一种递归滤波算法,能够通过迭代更新状态向量和协方差矩阵来实现参数的在线估计。
粒子滤波是一种基于蒙特卡洛采样的估计方法,具有适应性强、鲁棒性好等优点。
4. 微动目标特征提取方法在微动目标的特征提取方面,波形特征、频谱特征和图像特征是常用的方法。
波形特征是通过分析目标微动引起的雷达返回信号的波形变化来获取目标的信息,如振动频率、振幅等。
频谱特征则是通过将返回信号经过傅里叶变换得到的频谱数据进行分析,从中提取目标微动的频域特征。
图像特征是通过将雷达返回信号转换为图像进行处理,常见的方法包括基于图像处理的边缘检测、纹理分析等。
激光雷达原理、关键技术及应用的深度解析

激光雷达原理、关键技术及应用的深度解析“雷达”是一种利用电磁波探测目标位置的电子设备.电磁波其功能包括搜索目标和发现目标;测量其距离,速度,角位置等运动参数;测量目标反射率,散射截面和形状等特征参数。
传统的雷达是微波和毫米波波段的电磁波为载波的雷达。
激光雷达以激光作为载波.可以用振幅、频率、相位和振幅来搭载信息,作为信息载体。
激光雷达利用激光光波来完成上述任务。
可以采用非相干的能量接收方式,这主要是一脉冲计数为基础的测距雷达。
还可以采用相干接收方式接收信号,通过后置信号处理实现探测。
激光雷达和微波雷达并无本质区别,在原理框图上也十分类似,见下图激光雷达是工作在光频波段的雷达。
与微波雷达的原理相似,它利用光频波段的电磁波先向目标发射探测信号,然后将其接收到的同波信号与发射信号相比较,从而获得目标的位置(距离、方位和高度)、运动状态(速度、姿态)等信息,实现对目标的探测、跟踪和识别。
激光雷达由发射,接收和后置信号处理三部分和使此三部分协调工作的机构组成。
激光光速发散角小,能量集中,探测灵敏度和分辨率高。
多普勒频移大,可以探测从低速到高速的目标。
天线和系统的尺寸可以作得很小。
利用不同分子对特定波长得激光吸收、散射或荧光特性,可以探测不同的物质成分,这是激光雷达独有的特性。
激光雷达的种类目前,激光雷达的种类很多,但是按照现代的激光雷达的概念,常分为以下几种: 按激光波段分:有紫外激光雷达、可见激光雷达和红外激光雷达。
按激光介质分:有气体激光雷达、固体激光雷达、半导体激光雷达和二极管激光泵浦固体激光雷达等。
按激光发射波形分:有脉冲激光雷达、连续波激光雷达和混合型激光雷达等。
按显示方式分:有模拟或数字显示激光雷达和成像激光雷达。
按运载平台分:有地基固定式激光雷达、车载激光雷达、机载激光雷达、船载激光雷达、。
频率步进宽带雷达微动目标成像特征提取与分析

Th e An a l y s i s a n d Ex t r a c i t o n o f I ma g i n g Fe a t u r e s o f Mi c r o - mo io t n Ta r g e t s f o r S t e p pe d・ f r e q u e n c y W i d e b a n d Ra d a r
第3 3卷
第 4期
弹
箭
与
制
导
学
报
Vo 1 . 3 3 NO . 4
Au g 2 0t 3
2 01 3年 8月
J o u na r l o f P r o j e c t i l e s ,Ro c k e t s ,Mi s s i l e s a n d Gu i d a n c e
3 B e i j i n g I n s t i t u t e o f T e c h n o l o g y , B e i j i n g 1 0 0 0 8 1 , C h i n a )
Abs t r ac t :The s p e c i a l t y o f mi c r o — mo t i o n c a n be us e d t o d e t e r mi n e s o me na t u r e s o f t he t a r g e t s .The e x t r a c t i o n o f t h e mi c r o — mo t i o n p a r a mc — t e r s o f t a r g e t s by u s i n g hi g h — r e s o l u t i o n r a da r s i g n a l h a s g r e a t i mp o r t a n c e O i l t he c l a s s i f i c a t i o n,r e c o g n i t i o n a n d i ma g i n g o f t a r g e t s .S t e p p e d一
地下空间勘查中的新兴技术研究

地下空间勘查中的新兴技术研究随着城市化进程的加速,城市土地资源日益紧张,地下空间的开发利用成为解决城市发展难题的重要途径。
地下空间勘查作为地下空间开发的前期工作,对于保障工程安全、提高开发效率具有重要意义。
近年来,随着科技的不断进步,一系列新兴技术在地下空间勘查中得到了广泛应用,为地下空间的开发利用提供了更精确、更高效的手段。
一、地质雷达技术地质雷达是一种利用高频电磁波探测地下介质分布的无损检测技术。
它通过发射高频电磁波,并接收地下介质反射回来的电磁波,从而获取地下结构和物质的信息。
地质雷达具有分辨率高、探测速度快、操作简便等优点,在地下空间勘查中得到了广泛应用。
在城市地下空间勘查中,地质雷达可以用于探测地下管线、地下空洞、地下障碍物等。
例如,在地铁隧道建设前,可以利用地质雷达对沿线进行勘查,提前发现地下管线和空洞,避免施工过程中发生事故。
此外,地质雷达还可以用于检测地下结构的完整性,如地下停车场、地下室等的混凝土结构是否存在裂缝、疏松等缺陷。
然而,地质雷达技术也存在一定的局限性。
例如,它对金属物体的探测效果较差,电磁波在地下传播过程中容易受到干扰,导致探测结果不准确。
因此,在实际应用中,需要结合其他勘查技术进行综合分析。
二、高密度电法技术高密度电法是一种基于电阻率差异的地球物理勘查方法。
它通过在地面上布置多个电极,测量不同电极之间的电阻值,从而推断地下介质的电阻率分布。
高密度电法具有测点密度高、数据量大、信息丰富等优点,可以有效地探测地下含水层、断层、岩溶等地质构造。
在地下空间勘查中,高密度电法可以用于探测地下水位、地下水流向、含水层厚度等水文地质参数。
这对于地下停车场、地下商场等地下工程的排水设计和防水处理具有重要意义。
此外,高密度电法还可以用于探测地下岩溶发育情况,为地下工程的选址和设计提供依据。
但是,高密度电法也存在一些不足之处。
例如,它的探测深度有限,对于深部地质构造的探测效果不佳。
而且,高密度电法的数据处理和解释较为复杂,需要专业的技术人员进行操作。
激光雷达点云(lidar)的目标检测方法

激光雷达点云(lidar)的目标检测方法全文共四篇示例,供读者参考第一篇示例:激光雷达点云(lidar)技术是目前自动驾驶领域非常重要的一项技术,通过激光雷达传感器可以实时获取周围环境的点云数据,从而实现环境感知和目标检测。
在自动驾驶车辆中,目标检测是非常关键的一环,它能够帮助车辆识别出路上的障碍物、行人、车辆等目标,并做出相应的决策和控制。
激光雷达点云的目标检测方法通常可以分为两类:基于传统特征的目标检测和基于深度学习的目标检测。
传统特征的目标检测方法常常利用点云数据的几何特征、颜色信息等来进行目标的识别和分类,而深度学习的目标检测方法则是通过训练深度神经网络来学习点云数据的特征表示,从而实现目标的检测和识别。
在传统特征的目标检测方法中,常用的算法包括Hough Transform、RANSAC、DBSCAN等。
Hough Transform是一种常用的直线检测算法,它通过将点云数据转换到参数空间中,利用累积直方图来识别出直线。
RANSAC算法是一种随机抽样一致性算法,它通过随机选择一组点来拟合出目标形状的模型。
DBSCAN算法是一种基于密度的聚类算法,它可以有效地识别出不同密度的点云数据中的目标。
在深度学习的目标检测方法中,常用的算法包括PointNet、PointNet++、Frustum PointNet等。
PointNet是一种基于点云数据的端到端的神经网络,它可以直接输入点云数据进行目标检测和分类。
PointNet++是PointNet的扩展版本,它通过分层聚类的方法来提高点云数据的特征提取性能。
Frustum PointNet是一种将2D图像信息和3D点云信息结合起来的目标检测算法,它可以有效地检测出路上的目标并进行精确定位。
激光雷达点云的目标检测方法是自动驾驶领域中非常重要的一项技术。
随着深度学习技术的不断发展和应用,基于深度学习的目标检测方法在自动驾驶领域中将会变得越来越重要。
组网雷达中旋转目标微多普勒效应分析及三维微动特征提取

Jn 2 1 u .0 2
组网雷达中旋转 目标微 多普勒效应分析及三维微动特征提取
李 东伟 罗 迎 张 群 李天鹏 , , ,
(. 1 空军工程大学 防空反导学 院, 陕西三原 ,180 2 7 30 ;.空军工程大学信息与导航学院 , 陕西西安 ,10 7 7 07 )
摘要 目标微动特征提取是 当前研究的一个热点, 在组 网雷达技术 中研究 了旋转 目标的微 多普 勒效应 , 分别 分析 了组 网 雷达 中不 同信 号形 式下 的 目标 微 多普 勒效应 , 给 出 了其 参 数化 表达 。 并
利用 组 网雷达 的多视 角特 性 , 不 同信 号形 式下分 布在 不 同位置 的雷达 获 得 的 回波信 号进 行 参 将 数提取 , 通过 构造 多元 非线 性方程 组 , 以提 取 的参 数作 为 变 量 , 行 目标 3维微 动 参数 解 算 , 进 实
DO 1 . 9 9 ji n 10 3 1 .0 2 0 . 1 I 0 3 6 /.s . 0 9— 5 6 2 1. 3 0 0 s
中图分 类号
随着 电子技术 的迅 猛发 展 , 达对 抗愈演 愈烈 , 雷 空袭 与 防空 已不再 是单 种 兵 器 的对 抗 , 是空 袭 体 系 与 而 防空体 系 的对抗 , 网雷达 … 应运 而生 。它通 过 中心站对 网 内不 同体制 、 同频段 、 同极 化 方式 的雷 达信 组 不 不 息进行 综合 , 形成 体 系作 战优 势 。 目标微 多普 勒效应 反 映了 目标 的精细运 动 和几何结 构 对 电磁 散射 的综合 调 制 特征 , 该 目标 所 具 有 的 是 独特 特征 , 它为 目标特 征提取 和 目标识 别 提 供 了新 的技术 途 径 J 。文 献 [ 在 单 频 信 号雷 达 中应 用 广义 4] R dn变换 提取 了行人摆 臂 的微多 普勒 特征 ; ao 文献 [ ] 用 时频 分 析 和变 采样 滤 波 , 窄带 雷 达 中研 究 了几 5应 在 种典 型微动 点 目标 的微 多普 勒计算 和参 数 估计 方 法 ; 献 [ ] 出 了用 时域 自相 关 法 和频 域 倒谱 法 来 提取 文 6提
激光雷达点云配准与特征提取方法评价

激光雷达点云配准与特征提取方法评价激光雷达作为一种主要用于环境感知和三维重建的传感器,具有高精度、高密度、全天候工作等特点,在无人驾驶、智能交通等领域的应用非常广泛。
然而,在使用激光雷达进行点云重建时,存在着点云之间的配准和特征提取的问题。
本文将介绍激光雷达点云配准和特征提取的相关方法,并评价这些方法的优缺点和适用场景。
激光雷达点云配准是将多个点云数据集进行重叠与匹配,以获取更加完整和准确的三维环境信息。
配准方法主要包括基于特征点的配准方法和基于特征描述子的配准方法。
基于特征点的配准方法通过提取点云数据集中的特征点,如角点、边缘等,然后通过算法计算特征点之间的相对位置关系,从而实现点云的配准。
例如,常用的SIFT(尺度不变特征变换)算法可以在点云中提取具有旋转和尺度不变性的特征点,从而实现点云的配准。
此外,还有SURF(速度加速特征)算法和ORB(旋转不变性二进制)算法等。
这些基于特征点的方法具有计算速度快、鲁棒性强等优点,适用于对大规模点云数据进行配准。
然而,基于特征点的方法也存在一些问题。
首先,由于点云数据的噪声和不完整性,可能导致特征点提取的准确度下降。
其次,当点云中存在大量的平面区域时,特征点提取的数量会显著减少,从而降低了配准的精度。
因此,对于复杂环境中的点云数据,基于特征点的方法可能无法获得理想的配准效果。
基于特征描述子的配准方法通过提取特征点的特征描述子,如SIFT描述子、HOG(方向梯度直方图)描述子等,然后通过计算描述子之间的相似度,实现点云的配准。
这种方法具有鲁棒性强、对噪声和完整性要求低等优点,适用于处理复杂环境中的点云数据。
除了点云配准,特征提取也是激光雷达点云处理中的重要任务。
特征提取可以用于实现对点云数据的分割、分类和识别等。
常用的特征提取方法包括形状特征提取、表面法线估计和曲率计算等。
形状特征提取可以通过对点云数据进行形状拟合,来提取物体的几何信息。
例如,可以使用RANSAC(随机采样一致)算法对点云数据进行平面拟合和球体拟合,从而提取出平面和球体的几何特征。
相干多普勒测风激光雷达关键技术研究的开题报告

相干多普勒测风激光雷达关键技术研究的开题报告一、研究背景多普勒测风激光雷达是一种利用激光束与空气中运动的颗粒相互作用产生的多普勒频移对风速进行测量的仪器。
相较于传统的风温差测法和气压计法,多普勒测风激光雷达具有非接触、高精度、快速响应、高空间分辨率等优势,是目前气象、环境、航空、海洋等领域测风最为重要的手段之一。
目前多普勒测风激光雷达技术不断发展,传统基于脉冲探测的多普勒测风激光雷达已经能够实现千米级别范围内的风速测量。
但由于脉冲探测方式需要采集一定时间的数据以提高信噪比,同时数据采集过程中无法获得空间分辨率,导致该方法在对瞬时风场的测量方面存在一定的局限性。
相干多普勒测风激光雷达则利用相干信号的特性,在一定范围内获得同时具有高精度和高空间分辨率的瞬时风场信息。
相干多普勒测风激光雷达技术的进一步发展将极大地扩展多普勒测风激光雷达的应用范围以及提升风速测量的精度和可靠性。
二、研究内容本课题旨在开展相干多普勒测风激光雷达关键技术研究,具体包含以下内容:1.相干多普勒测风激光雷达原理和基础: 结合光学、光谱学和气象学等多个领域,探究相干多普勒测风激光雷达的基本原理和基础知识,包括激光器、光学元件、探测系统和信号处理等方面的内容。
2.相干多普勒测风激光雷达信号获取与处理: 研究相干多普勒测风激光雷达信号的获取和处理方法,包括激光辐射模型、扫描模式设计、探测信号处理算法等方面。
3.高空间分辨率相干多普勒测风激光雷达: 针对多普勒测风激光雷达瞬时风速分辨率不足的问题,利用空间分辨率技术,实现高空间分辨率的相干多普勒测风激光雷达。
4.相干多普勒测风激光雷达仿真与实验: 利用Matlab等数学仿真工具,对相干多普勒测风激光雷达进行仿真,分析不同参数对信号采集和处理的影响。
同时,设计制作相干多普勒测风激光雷达实验系统,进行现场实验与测试。
三、研究意义1.提升多普勒测风激光雷达对瞬时风场的测量精度和可靠性,推动这一技术的更广泛应用。
激光雷达遥感数据处理及特征提取方法研究

激光雷达遥感数据处理及特征提取方法研究激光雷达遥感技术是一种利用激光器产生的激光束对地物进行扫描探测的技术,并通过接收器接收被地物散射的返回光信号,从而获取地物的三维空间信息。
随着激光雷达遥感技术的广泛应用,如何高效地处理激光雷达遥感数据并提取有效的特征已成为研究的热点领域。
本文将针对激光雷达遥感数据处理及特征提取方法进行研究。
在激光雷达遥感数据处理中,首先需要对原始的激光雷达点云数据进行处理。
这些点云数据包含了地物的坐标和强度信息,但由于数据量庞大,因此需要对数据进行滤波和降噪处理。
常用的滤波方法有高斯滤波和中值滤波等,可以有效地去除数据中的噪声,提高数据的质量。
在滤波处理的基础上,还可以进行点云配准和融合等操作,以提高点云数据的精度和完整性。
随后,在激光雷达遥感数据的特征提取方面,常见的方法有点云分类和目标提取等。
点云分类是将点云数据中的点按照其所属的类别进行划分,如地面点、建筑物点等。
点云分类常用的方法有基于颜色和纹理特征的分类方法和基于形状特征的分类方法等。
这些方法可以通过对点云数据的特征进行提取和分析,识别出不同地物类型,为后续的地物分析提供基础。
除了点云分类外,目标提取是激光雷达遥感数据处理中另一个重要的研究方向。
目标提取主要是指从点云数据中自动提取出具有特定属性的地物目标。
目标提取方法可以根据具体的应用需求选择不同的特征和算法,如基于几何特征的目标提取方法和基于机器学习的目标提取方法等。
这些方法可以有效地从点云数据中提取出建筑物、树木等具有特定属性的地物目标,为城市规划、林业管理等领域提供重要的支持。
此外,在激光雷达遥感数据处理中,还可以利用地理信息系统(GIS)和遥感技术相结合,实现更深入的地物分析。
通过将激光雷达数据与其他遥感数据(如卫星影像)进行融合,可以实现对地物的多尺度观测和综合分析,从而提高数据的解译能力和准确性。
同时,还可以结合地形分析和水文模型等技术,对地形和水文特征进行研究,为自然灾害监测和环境保护等领域提供支持。
含旋转部件目标双基地ISAR微动特征提取及成像研究

Ab t a t Co s r c : mp r d wih t n s a i a a , c o Do p e f c n b s a i a a a n i e e c sd e t a e t hemo o t tc r d r mi r — p l re f ti it tcr d rh s ma y d f r n e u o e f
该 文 以含 旋 转 结 构 部 件 目标 为 例 ,推 导 了双 基 地 IAR 系 统 中 目标 微 动 产 生 的微 多 普 勒 效 应 ,并 详 细 分析 了其 在 距 S
离一 慢时间 2维谱 图域 内的表现形式及特 点。针对双基地雷达收 、发分置 的特殊空 间结构 的影响,修 正了基 于扩展
中图分类号:T 98 N 5 D I 1. 2/PJ 16 09 07 O : 0 74S .14. 0. 67 3 . 2 0
文献标识码: A
文章编号 :10—8621)0 39 6 09 9 ( 01— 5— 5 0 2 0
S u y o ir ・ o i n F a u e Ex r c in n m a i g t d n M c o m to e t r t a to a d I gn
is s ta o t pa i l mplx t . n t i p pe , c o Do p e f c f t r e t o a i g p r s i d rv d i h it tc c e i I h s a r mi r - p l r ef t o a g t wih r t tn a t s e i e n t e b s a i y e I AR y t m . a a t rs i sa d m a i s a i n o c o mo i n p r n t e r n e so tme p a ei a s n l z d S s se Ch r c e itc n n f t to fmir — to a ti h a g - l w- i l n lo a a y e e s Ac o d n o t e e f c r d c d b h y t m ’ s a i lr l to s i a mo i e x e d d Ho g r n f r s c r i g t h fe t p o u e y t e s s e S p t ea i n h p, d f d e t n e u h t a so m i a i
引力波信号的相干处理与特征提取方法研究

引力波信号的相干处理与特征提取方法研究引力波是由质量或能量导致的时空弯曲引起的一种波动现象。
自从爱因斯坦在一百年前预言了引力波的存在后,科学家们一直在寻求检测和观测引力波的方法。
直到2015年,人类才首次成功探测到引力波信号,并由此掀起了引力波天文学的研究热潮。
然而,由于引力波信号微弱而难以捕捉,相干处理与特征提取方法的研究变得至关重要。
相干处理是指基于信号的相位关系进行处理和分析的方法。
对于引力波信号来说,相干处理可以帮助我们提取信号中的有效信息,并降低噪声对信号的干扰。
最常用的相干处理方法是通过复数相乘来实现相位关系的保持。
通过将信号与一个已知或理论性模型进行相乘,可以得到一个相干处理后的信号,其中包含了最大的有效信息。
特征提取是指从原始信号中提取出能够表示该信号特点的相关特征的过程。
对于引力波信号来说,特征提取可以帮助我们识别信号的各个特征阶段,并区分出信号和噪声。
常用的特征提取方法包括小波变换、时频分析和谱分析等。
这些方法可以将信号转换为频域或时域上的相关特征,从而方便进行后续的分析和处理。
在引力波信号的相干处理与特征提取方法研究中,还存在一些挑战和问题需要解决。
首先,引力波信号的幅度非常微弱,常常被周围的噪声所覆盖。
因此,如何降低噪声对信号的影响,提高信号的信噪比是一个关键问题。
其次,引力波信号的频率和幅度可能随时间发生变化,因此需要考虑信号的非平稳性。
这就要求我们寻找一种能够适应不同稳态和非稳态信号的特征提取方法。
此外,由于引力波信号的长期积累和处理需要耗费大量时间和计算资源,我们还需要设计高效的算法和计算模型来提高处理效率。
为了解决这些问题,科学家们提出了一系列创新的方法和技术。
例如,在相干处理中,可以采用自适应滤波器来降低噪声。
自适应滤波器的原理是根据输入信号和目标信号之间的差异来调整滤波器的系数,从而最小化估计误差。
这种方法可以有效地抑制噪声,并提高信号的可检测性。
在特征提取方面,可以采用改进的小波变换方法。
用于微动特征提取的相干激光雷达若干关键技术研究

用于微动特征提取的相干激光雷达若干关键技术研究【摘要】雷达目标微动特征的提取与识别是当前目标探测与识别领域的新兴研究方向。
本文介绍利用相干激光雷达提取目标微动特征的基本原理,分析实现相干激光雷达远距离微多普勒探测的技术瓶颈,并针对激光源相干性、空间匹配、激光雷达波形设计、抑制大气湍流影响、目标的捕获与跟瞄等问题提出相应的解决途径。
【关键词】微动;微多普勒;激光雷达;技术瓶颈;解决途径1.概述微动[1-4],指目标或目标组成部分在径向相对雷达的小幅(相对于目标与雷达的径向距离)非匀速运动或运动分量。
雷达目标微动特征提取与识别[5]是目前一个新兴的研究领域,它是运动学与雷达信号处理的交叉结合,技术涉及运动建模、时频分析、变采样滤波、雷达成像理论和技术等。
目前,在军事领域,目标微动特性在弹道导弹防御体系中已经发挥了很大的作用。
运动特征是导弹目标识别所依据的主要特征之一,弹道导弹的振动、自旋、进动和章动都属于微动范畴,可望为导弹目标识别难题提供新的解决手段。
对于空中和地面目标如飞机或地面车辆,基于目标微动的目标识别也具有明显的优势,对于不同的引擎和转动部件,微多普勒频移是独一无二的,经处理后与目标特征库进行对比,由自动目标识别算法就可以确定目标的身份。
基于振动微多普勒频移的目标识别算法具有不受方位角限制、超视距、适用于非合作目标的识别等优点。
地面目标的运动,如行人手臂和腿部的摆动、车辆表面的振动、车轮和履带的转动以及天线罩的转动都属于微动源。
这些微动特性为监测和识别地面目标提供了一种有效的途径,而且对于已经识别出的地面目标来说,还可以利用精细的微多普勒幅度和频率差异进行精确身份辨别。
在现代高度自动化的战争中,微多普勒目标识别还具有非常大的发展前景和空间。
我们知道,多普勒现象对工作频率很敏感,而相干激光雷达工作频率1013 ~1015 Hz ,因而激光雷达相对于微波雷达探测微多普勒信息具有明显的优势。
随着单频激光技术特别是全固态单频激光技术的发展,使微多普勒探测的发展更加迅速。
雷达中的微多普勒技术及展望

雷达中的微多普勒技术及展望1. 引言在现代信息化战争条件下,现有的目标识别技术已不能满足现代高技术战争的要求,雷达目标研究所需要的数据不仅仅是目标的整体运动信息,还需要更多、更精细目标数据,比如目标所处状态及其姿态的变化等,因而微波雷达目标的微多普勒效应成为近年来一个新的技术研究热点。
微多普勒效应最初是被引入到相参激光雷达系统中用来测量物体的运动性质[1] 。
微波雷达中的微多普勒效应是美国海军研究实验室的Victor C.Chen 博士1998 年在研究联合时频域分析应用于雷达图像和信号处理试验时,从得到的行人运动逆合成孔径雷达实验数据中发现并从此开始研究。
微多普勒效应是指运动目标除了主体移动外,目标或其任何结构部件还存在微运动(振动、旋转、翻滚、进动、章动等小幅度运动),这种微运动在雷达回波信号上引起附加的多普勒频率调制,并在主体移动产生的发射信号多普勒偏移频率附近产生边频,使得目标多普勒频谱展宽的现象[1] 。
如直升机旋转的旋翼叶片、汽车发动机引起的车身振动、飞鸟扑动的翅膀、行人摆动的手臂和腿等。
雷达目标回波中包含的微多普勒信息能够精细刻画目标的形状、结构、散射特性及其独特的精细运动特性,更进一步反映目标的类型和运动意图。
目标精细的微多普勒特征信息与目标物性参数之间具有特定的对应关系,被视为目标独一无二的特性,微动特征的提取为雷达目标的分类和识别及微弱目标的检测提供了稳定性好、可靠性高的新途径。
2. 目标微多普勒特征提取方法微多普勒的产生是由于目标的微运动所引起的雷达回波的微多普勒频率调制,其中所包含的目标各结构部件的微运动信息反映了目标的微动特性,从雷达回波中的微多普勒特征信息可以进一步反演出目标的形状、结构、姿态、表面材料的电磁参数、运动特征等信息,因此雷达目标微多普勒特征的提取是微多普勒技术研究的关键。
要分析并利用目标的微动特性,从微动目标雷达回波中提取出目标的微多普勒特征信息,关键在于对微多普勒雷达回波信号瞬时频率的高精度估计。
微动特征提取递归分解快速傅里叶变换算法的研究及应用

= X [k]
∑WNbk Xb [k mod= M ], k
0,1, , N −1
(4)
b=0
其中 k mod M 表示 k 以 M 为模取余。
众所周知,对复数乘法和加法而言,直接计算 DFT 时的运算量大致与 N2 成正比,现式(4)把一个 N
点 DFT 分解为 B 个 M 点 DFT,降低了运算量。为进一步用 Xb[k]表示 X[k],作下列变量替换
k =k′ + b′M , k′ =0,1, , M −1; b′ =0,1, , B −1
(5)
可得
X= [k] X [k′ + b′M ]
[ ] [ ] [ ] [ ] =
X0
k′
+ WNk′WBb′ X1
k′
+
WN2k
W′ 2b′ B
X
2
k′
+ + WN(B−1)k′WB(B−1)b′ X B−1
Research and Application on a Recursively Fast Fourier Transformation Decomposion Algorithm for Micro-Motion Features Extraction
Zhimin Zhang, Hongmei Li, Wuping Zhan
关键词
递归分解,快速傅里叶变换算法,研究及应用,雷达信号处理,微动特征
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). /licenses/by/4.0/
弹道目标雷达微动特征提取与识别研究综述

弹道目标雷达微动特征提取与识别研究综述
李开明;代肖楠;罗迎;张群
【期刊名称】《空军工程大学学报》
【年(卷),期】2023(24)1
【摘要】弹道目标雷达微动特征提取与识别是雷达目标识别领域的重要研究方向之一。
在简要阐述弹道目标识别重要研究价值的基础上,结合国内外研究现状,从点散射模型、滑动散射模型、属性散射中心模型等出发,总结了现有的弹道目标微动回波建模方法,进一步分别从单基、双基、多基等不同雷达观测视角出发,梳理了弹道目标微动特征提取与成像方法,对基于人工特征和传统分类器、及基于深度学习的弹道目标分类识别方法进行了总结,最后对弹道目标雷达微动特征提取与识别方向的技术难点和未来发展趋势进行了分析与展望。
【总页数】12页(P7-17)
【作者】李开明;代肖楠;罗迎;张群
【作者单位】空军工程大学信息与导航学院;信息感知技术协同创新中心;95806部队
【正文语种】中文
【中图分类】TN95
【相关文献】
1.窄带雷达网弹道目标微动特征提取
2.组网雷达弹道目标三维微动特征提取
3.弹道目标宽带雷达干涉式三维成像与微动特征提取
4.组网雷达中弹道目标微动特征提取与识别综述
5.微动目标雷达特征提取、成像与识别研究进展
因版权原因,仅展示原文概要,查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
用于微动特征提取的相干激光雷达若干关键技术研究【摘要】雷达目标微动特征的提取与识别是当前目标探测与识别领域的新兴研究方向。
本文介绍利用相干激光雷达提取目标微动特征的基本原理,分析实现相干激光雷达远距离微多普勒探测的技术瓶颈,并针对激光源相干性、空间匹配、激光雷达波形设计、抑制大气湍流影响、目标的捕获与跟瞄等问题提出相应的解决途径。
【关键词】微动;微多普勒;激光雷达;技术瓶颈;解决途径1.概述微动[1-4],指目标或目标组成部分在径向相对雷达的小幅(相对于目标与雷达的径向距离)非匀速运动或运动分量。
雷达目标微动特征提取与识别[5]是目前一个新兴的研究领域,它是运动学与雷达信号处理的交叉结合,技术涉及运动建模、时频分析、变采样滤波、雷达成像理论和技术等。
目前,在军事领域,目标微动特性在弹道导弹防御体系中已经发挥了很大的作用。
运动特征是导弹目标识别所依据的主要特征之一,弹道导弹的振动、自旋、进动和章动都属于微动范畴,可望为导弹目标识别难题提供新的解决手段。
对于空中和地面目标如飞机或地面车辆,基于目标微动的目标识别也具有明显的优势,对于不同的引擎和转动部件,微多普勒频移是独一无二的,经处理后与目标特征库进行对比,由自动目标识别算法就可以确定目标的身份。
基于振动微多普勒频移的目标识别算法具有不受方位角限制、超视距、适用于非合作目标的识别等优点。
地面目标的运动,如行人手臂和腿部的摆动、车辆表面的振动、车轮和履带的转动以及天线罩的转动都属于微动源。
这些微动特性为监测和识别地面目标提供了一种有效的途径,而且对于已经识别出的地面目标来说,还可以利用精细的微多普勒幅度和频率差异进行精确身份辨别。
在现代高度自动化的战争中,微多普勒目标识别还具有非常大的发展前景和空间。
我们知道,多普勒现象对工作频率很敏感,而相干激光雷达工作频率1013 ~1015 hz ,因而激光雷达相对于微波雷达探测微多普勒信息具有明显的优势。
随着单频激光技术特别是全固态单频激光技术的发展,使微多普勒探测的发展更加迅速。
另外由于激光雷达具有分辨率高、抗干扰能力强、体积和重量都比微波雷达小等优点,所以在高精度、实时探测低频、低振幅微多普勒效应的研究中存在着巨大的发展空间。
国外对于激光微多普勒效应的分析和研究较早,并已经取得初步成果[6-7]。
国内研究起步较晚,在此领域研究较为深入的是北京理工大学赵长明团队,他们搭建了试验系统验证了相干激光提取微多普勒的可行性[8]。
在实验系统中,以单块单频激光器为光源,用外差探测的方式观测到在不同目标特征下的微多普勒信息,并通过一系列基于激光雷达的算法进行多普勒信息提取,从而达到探测和识别目标表面微动状态的目的。
2.相干激光雷达提取目标微动特征的基本原理基于相干体制的激光雷达与微波雷达提取微多普勒特征的基本原理是一致的,在径向距离上半个波长的变化就会引起回波信号360°的相位改变,由于多普勒频移可以反映相位函数随时间的变化情况,因此,可以通过回波信号的多普勒频移来探测和识别目标表面的振动状态。
因为激光雷达的工作频率高于微波雷达4~5数量级,目标微动引起的多普勒频率更显著,需要识别细节特征的相干时间更短。
换句话说,激光雷达能够轻易看到微波雷达看不到的细微特征。
微多普勒特征提取激光雷达的工作原理非常简单,是根据目标运动造成的多普勒频移f d 来测量目标径向速度v 。
多普勒激光雷达采用相干探测方式,也称之为光外差探测。
相干探测原理如图1所示。
后向散射光与本振光同时投射到光电探测器表面,产生相干叠加(即混频),然后输出差频为f s - f 的射频电信号和直流分量,再经过中频放大器和鉴频器,最后获得所需的多普勒频移f d =f s - f。
接下来是通过时-频分析方法—短时傅里叶变换stft来分析微多普勒频率随时间变化的情况,得到信号的时频图像,通过信号的时频图像,可以很好地得到目标的运动速度、振动频率及振幅等一系列特征。
图1 相干探测的原理3.实现相干激光雷达远距离微多普勒探测的技术瓶颈分析虽然相干激光雷达在微动特征提取的固有优势和实验结果令人振奋,但在实际应用,尤其是远距离探测,相干激光雷达存在以下技术瓶颈:(1)空间匹配虽然光学相干探测是公认的具有量子极限探测本领的体制,探测灵敏度高于直探方式2~3数量级。
但是为了实现目标散射/ 反射回波信号的充分利用,必须保持本振光与信号光的空间匹配(相位、振幅和偏振匹配)[9],提高外差效率和探测器光敏面处电流微元的互相关性,而这是首要难题。
在以往的试验系统里采用玻璃镜片实现两束光空间准直的方法被证明是不可靠的。
近年来,随着光通信技术的飞速发展,国内多采用带尾纤的光电二极管作为光电探测器,并且采用单模光纤干涉仪加偏振控制器[10],或者用单模光纤干涉仪加偏振分极检测来改善本振光与信号光的空间匹配,实现最佳混频来提高信噪比。
这种全光纤激光雷达在一定程度上弱化了调整光学系统的难题。
但如何将空间光低损、稳定地耦合进直径仅有7μm的单模光纤中仍是一个非常棘手的问题。
(2)激光源的稳定性微多普勒激光雷达要想在实际应用中发挥作用,必须要解决远距离精确探测的问题。
而其中重要的因素就是激光器线宽的影响。
线宽的加宽主要由激光器内部自发辐射导致的噪音造成。
传输距离越长,噪声的影响越大。
理论分析可知,窄线宽且探测距离短的激光雷达多普勒测量误差较小。
随着探测距离的延长,当探测距离延长到相干长度的量级时,探测到的光电流谱线宽度实际上只决定于激光器的输出线宽,而不是探测距离的长短。
减小探测距离和压窄激光器输出的激光线宽均可以起到减小系统误差的目的。
但是由于khz 量级的线宽对于激光器而言已经是非常优秀的频率特性,并且片面的压窄线宽还会影响单频激光器输出功率。
减小目标和激光雷达的距离可以减小系统误差,却失去了远距离探测的意义。
(3)大气湍流的影响湍流是指大气中局部温度、压力的随机变化而带来的折射率的随机变化。
折射率的变化表现为两种形式:①由于地面温度的影响,大气中温度随高度会有梯度出现,于是折射率也出现一个梯度;②折射率随位置和时间作迅速的变化,变化的频谱可达数百赫兹,变化的空间尺度可能小到毫米量级,变化的强度与天气状况和地面状况有一定的相关关系。
由于湍流大气中折射率的随机不均匀分布,当激光通过它时,就会在不均匀元上产生散射,从而对原来稳定传播的激光束产生扰动。
即使在弱湍流下,折射率的改变很小,但由于存在大量的不均匀元,以致在一定距离之外,积累效应就十分显著,包括光束漂移、光束扩展、到达角起伏、大气闪烁等。
针对大气湍流的影响,常规的方法有:1)扩大发射光束的发散角以克服光束漂移带来的问题,当发散角大于漂移角时,探测器总能落入接收光斑内,但代价是接收的能量大大减小;2)用高功率发射器来补偿由于激光束发散和激光闪烁所造成的损失。
但对半导体激光器来说,功率提高,调制带宽就会降低,目前来说,提高功率在技术上是有限的。
(4)目标的捕获与跟瞄相比雷达等传感器来说,激光的视场角很小,很难在较大空域内搜索和捕获到目标,须有引导信息。
4.相应解决途径的研究4.1激光源相干性问题的研究首先,跳出具体技术细节,从更高层面上横向比较微波雷达和激光雷达的技术发展脉络,有助于我们找到正确的解决途径。
事实上,可以将激光雷达看作微波雷达的频段高端,雷达工作频率是从最初的短波逐步向上扩展到p波段、l、c、x、ku、ka波段、乃至w波段。
工作体制也是从最初的磁控管振荡简单脉冲非相参,后来经由准相参,最终发展到全相参体制,全相参系统中,发射机采用主振-放大链式结构,使得更为复杂的信号调制方式成为可能,雷达信号从仅能提取幅度信息,扩展到时间、频率、相位、乃至时-频域进行全面分析。
随着全相参体制的出现,雷达品种也日益繁多起来,脉冲压缩、动目标检测、相控阵、合成孔径/逆合成孔径、数字阵列、多输入多输出等等新技术、新体制层出不穷。
可以断言,上述发展历程将会在激光频段上亦步亦趋的复现,而目前,激光雷达处在由非相参向全相参过渡的关键时段,我们可以借鉴微波雷达的技术思路解决相似的技术难题。
下面简单整理一下这一阶段出现的相参处理技术。
由于磁控管固有的特点,其发射脉冲的初相是随机的,而且由于调频效应,发射脉冲间的频率和脉内的频率也是变化的,所以磁控管雷达系统若不作相参处理,其接收回波是非相参的。
为了使系统具有多普勒相参功能,采用的方法主要有四种:发射注入式锁相、接收注入式锁相、模拟中频相参接收和数字相参接收等。
发射注入式锁相是较早出现的一种,注入锁相磁控管系统由于受到锁定振荡器相位噪声、磁控管振荡器频率不稳和锁相系统本身锁相不稳等因素的影响,性能不高,可靠性低,实现成本高。
接收注入式锁相是在接收端将发射样本中频脉冲(通常称主波)注入至中频相参振荡器,用于同步相参振荡器,锁相同步后的相参振荡器输出可视为发射脉冲振荡的延续,应用最为广泛。
其缺点是锁相后相参振荡器频率不稳、锁相误差较大,由于锁相脉冲只在瞬间有效,锁相后其会慢慢漂移,导致定相精度随距离增加而降低,远区定相精度差,在动目标雷达中其改善因子一般只能达到10 db~25 db 左右。
同时由于受模拟电路随温度变化等固有缺点的影响,稳定性差。
模拟中频相参接收在原理上和注入式相参接收相似,其区别在于利用声表面波( saw)器件暂存发射样本中频脉冲,saw存贮相关卷积器作为中央处理单元在中频段进行复共轭相关处理,消除或减小发射系统的不稳定对改善因子的限制。
优点是模拟信号处理速度快,成本低,缺点是saw 器件本身的非理想因素限制了雷达改善因子的进一步提高,运算精度不高,灵活性差,对于发射脉冲较宽的系统实现有一定的难度。
数字相参接收在原理上和模拟中频相参接收相似,利用ad对发射脉冲样本进行取样,然后用该取样值和回波信号进行相关或卷积,实现相位校正,达到消除随机初相的目的,在许多文献中也称其为dsu (数字稳定单元)技术。
这种方法对改善因子的限制可达30 db。
上述相参技术是伴随着电路基础技术的发展次第出现的,随着数字技术的高度发展,我们今天解决激光雷达相参性可以直接选取数字相参实现,但是采用该技术的前提需要一个稳定的本振信号。
对于远距离提取微多普勒信号的相干激光雷达来说,其对稳定本振的要求是这样的:要在光波往返雷达与目标的时间范围内,本振光线宽要在khz以下,例如,要提取10km处目标的多普勒信号,要求67μs时间段内测量激光的线宽要小于1khz。
获得足够相干时间长度的稳定本振方案有两种:一是种子源本身稳定性能够达到要求,主振荡器输出激光经分束镜后,部分激光(因为相干探测对回波光和本振光的准直度提出了非常苛刻的要求,要求两束光平行且重合的照射在探测器光敏面上,光学系统的调整和维持非常困难,这也是限制相干激光探测应用的主要瓶颈。