雷达微多普勒信号

彭志科上海交通大学机械系统与振动国家重点实验室雷达微多普勒信号分析及应用2内容提纲微多普勒特征基本概念微多普勒信号分析中的挑战参数化时频变换非线性调频分量分解3内容提纲微多普勒特征基本概念微多普勒信号分析中的挑战参数化时频变换非线性调频分量分解4RADAR(RAdioDetectionAndRanging:无线电探测和测距）测距原理𝑃𝑟=𝑃𝑡𝐺𝑡𝐴𝑟𝛔𝐹44𝛑2𝑅4；𝐴𝑟=𝐺𝑟𝜆24𝛑雷达信号接收功率𝜆-信号波长*频率越低，波长越长，传播离越长，探测范围越大𝒅≈𝒗𝒄𝒕𝒅𝟐距离计算5多普勒雷达(DopplerRadar）工作原理𝒇𝒅≈𝟐𝒗𝒇𝒕𝒄𝒗–目标速度;𝒇𝒕–信号频率多普勒频率*速度相同情况下，信号频率越高，多普勒效应越显著，对速度变化的敏感性越高典型应用6微多普勒特征(Micro-DopplerSignature）“Iftheobjectoranystructuralcomponentoftheobjecthasanoscillatorymotioninadditiontothebulkmotionoftheobject,theoscillationwillinduceadditionalfrequencymodulationonthereturnedsignalandgeneratessidebandsabouttheDopplershiftedfrequencyofthetransmittedsignalduetothebulkmotion.TheadditionalDopplermodulationiscalledthemicro-Dopplereffect“-TheMicro-DopplerEffectinRadar.byVictorC.Chen,20117微多普勒效应-信号模型微多普勒效应原理示意图–平动情况雷达接收信号模型微多普勒效应𝒓(𝒕)𝒙(𝒕)()()()()rtxtrtcosftsttc44228微多普勒效应-信号模型微多普勒效应原理示意图–转动情况雷达接收信号模型微多普勒效应9微多普勒特征-示例三旋翼直升机仿真信号10微多普勒特征-示例旋转状态下的飞机仿真信号11微多普勒特征-示例行人仿真信号12微多普勒特征-应用前景移动目标探测移动目标识别移动目标参数估计示例：直升机参数估计?13微多普勒特征-应用前景居家监测反恐行动14微多普勒特征-应用前景生命体征监测生命搜救15微多普勒特征-应用前景大型柔性结构低频振动测量特点非接触测量体积小价格低廉天气影响小精度较低量程较大视频测振受光线影响严重激光测振价格高昂传统传感器量程有限16内容提纲微多普勒特征基本概念微多普勒信号分析中的挑战参数化时频变换非线性调频分量分解17微多普勒信号分析中的挑战强非平稳性：傅立叶频谱不能反映微多普勒效应的真实特征仿真信号频谱信号模型18微多普勒信号分析中的挑战多分量相互交叉：频带集中，难于分离时频图19微多普勒信号分析中的挑战特征微弱：易被噪声淹没20微多普勒信号常用分析方法dtetgtxtjx)()(),(STFT1(,;)()xtbCWTabxtdtaa*111(,)ed222jxWVDtxtxt短时傅立叶变换连续小波变换魏格纳-威尔分布时频变换信号分解经验模态分解(EMD)𝑥𝑡  −  𝑐1  =𝑟1   ,   𝑟1    −  𝑐2   =  𝑟2  ,       .   .   . 𝑟𝑛−1   −   𝑐𝑛    =   𝑟𝑛  .⇒   𝑥(𝑡)  −    𝑐𝑗𝑛𝑗=1  =  𝑟𝑛  .集中性有限交叉项影响不足对噪声敏感本征模函数𝑐𝑗没有物理含义非平稳信号分析21“Howtoeffectivelydecomposemicro-Dopplersignaturesintomono-componentsthatrelatetothephysicalstructuralpartsofatargetandhowtomeasuretheembeddedkinematic/structuralinformationfrommono-componentsignaturesarestillopenissues”-TheMicro-DopplerEffectinRadar.byVictorC.Chen,2011微多普勒信号分析中的挑战DrVictorC.ChenNavalResearchLaboratory22内容提纲微多普勒特征基本概念微多普勒信号分析中的挑战参数化时频变换非线性调频分量分解23时频变换的评价指标：集中性时频集中性22()sin2(102.5)sin2(122.5)xttttt集中性差集中性良集中性优集中性越好，就越容易区分出集聚的分量。理想情况不可能实现！！24时频集中性：影响因素时频变换基本操作00.511.522.533.54-3-2-10123t/secTFT(,)()xztFFT()()()ztxtwt加窗截取信号片段加窗示意信号片段的傅立叶变换因素一：窗函数的频谱因素二：信号片段的频谱25时频集中性：示例线调频信号单分量谐波信号集中性差集中性好26参数化时频变换：思想ABAB图解基本思想通过旋转操作将窗函数截取的频率变化的信号片段转换为频率不变的信号，并且转换前后的信号在窗中心时刻的频率相同。27(,,)()()()sjCTtAtzgtedChirplet工作原理22/2/2()()()(,)()(,)()RMRjMjtjtzsteteAteChirplet定义TimeFrequencyt0∆旋转算子平移算子旋转平移参数化时频变换：方法28()sin(2(102.5))sin(2(122.5))(015s)xtttttt例：α=0α=5πα=2.5πα=-2.5πChirpRate=5π/s参数化时频变换：方法290()()IFtft瞬时频率(,)exp()Mtjt0()exp()tRtjd旋转算子平移算子参数化时频变换的一般原理参数化时频变换:一般原理00()exp()txtjtfd信号模型Y.Yang,Z.K.Peng*,etal，IEEETRANSACTIONSONSIGNALPROCESSING,62,(2014)2751-276430旋转算子平移算子参数化时频变换:方法(,)exp()Mtjt0()exp()tRtjd1112()nkkktt多项式调频小波变换(PCT)闭区间上的连续函数可用多项式函数一致逼近名称变换核函数类型思想样条调频小波变换(SCT)1121()()if,1,,1nikkikiittttttil分段多项式逼近，避免Runge现象广义Warblet变换(GWT)1()()iNjtiite任何可积函数都可用三角函数展开Y.Yang,Z.K.Peng*,etal，IEEETRANSACTIONSONSIGNALPROCESSING,62,(2014)2751-276431STFTCWTWVDPCT参数化时频变换:PCT051015010203040Time/SecFreq/Hz信号真实时频曲线STFT-短时傅立叶变换CWT-连续小波变换WVD-魏格纳-威尔分布Z.KPeng,etal,IEEETransactionsonMeasurementandInstrumentation60(2011)3222-322932-505-0.8-0.6-0.4-0.200.20.40.6STFTCWTWVDSCT参数化时频变换:SCT信号真实时频曲线STFT-短时傅立叶变换CWT-连续小波变换WVD-魏格纳-威尔分布YYang,Z.KPeng,etalIEEETransactionsonIndustrialElectronics,59(2012)1612-162133STFTCWTWVDGWT参数化时频变换:GWTYYang,Z.KPeng,etal,MechanicalSystemsandSignalProcessing,26(2012)128-14034参数化时频变换:两个问题1,,n1111,,,,nlln1,,n变换核参数估计GWTSCTPCTZ.KPeng,etal,IEEETransactionsonMeasurementandInstrumentation60(2011)3222-3229多分量信号分析STFTWVDCWTPCTY.Yang,W.MZhang,Z.KPeng*,etal.,IEEETransonIndustrialElectronics,60(2013)3948-395635参数化时频变换:多普勒信号分析应用SomayehKazemi,etal,Vital-SignExtractionUsingBootstrap-BasedGeneralizedWarbletTransforminHeartandRespirationMonitoringRadarSystem,IEEETransactionsonMeasurementandInstrumentation,65(2016)255-263呼吸与心跳监测雷达系统36移动声源分析L.JXu,etal,Analysisofmovingsourcecharacteristicsusingpolynomialchirplettransform,J.Acoust.Soc.Am.137(4),April2015参数化时频变换:多普勒信号分析应用37徐灵基,杨益新,杨龙，水下线谱噪声源识别的波束域时频分析方法研究,物理学报.64,(2015)174304水下线谱噪声源定位定位误差对比参数化时频变换:多普勒信号分析应用38W.LLu,etal,SeparationofInterceptedMulti-RadarSignalsBasedonParameterizedTime-FrequencyAnalysis,JournalofRF-EngineeringandTelecommunications,70(2016)403–415多分量雷达信号的分离处理参数化时频变换:多普勒信号分析应用39康奈尔大学ProfJ.C.O'Neill将参数化时频分析方法集成进他开发的时频分析工具箱——DiscreteTFDs参数化时频变换：程序下载40内容提纲微多普勒特征基本概念微多普勒信号分析中的挑战参数化时频变换非线性调频分量分解41信号分解:傅立叶级数v=c1u1+c2u2+…+cnun基本定义ntjnnectf0)(dtetfTcTTtjnn2/2/0)(1时域傅立叶级数频域42信号分解:傅立叶级数()NjntnnNftce0()IFtn0信号模型分量瞬时频率傅立叶级数t/sect/sect/secFreq/Hz43信号分解:傅立叶级数的不足()()()iNjrtxtiest41解调后微多普勒信号模型()()()iiIFtrtxt2分量瞬时频率x=cos(2𝛑(18.14*sin(2𝛑t+𝛑/4)+200t))+cos(2𝛑(-9.658*sin(2𝛑t+𝛑/4)+0.572*cos(4𝛑t+𝛑/2)+200*t));频谱时频曲线F