涡旋电磁波雷达锥体目标旋转多普勒探测

王煜; 刘康; 王建秋; 王宏强; 程永强

doi:10.12000/JR21074

涡旋电磁波雷达锥体目标旋转多普勒探测

DOI: 10.12000/JR21074

国防科技大学电子科学学院长沙 410073

基金项目: 国家自然科学基金(61801486, 61921001)

详细信息

作者简介:
王　煜(1996–)，男，江苏东台人，国防科技大学电子科学学院博士研究生。主要研究方向为涡旋电磁波雷达探测与信号处理

刘　康(1990–)，男，江苏泗阳人，国防科技大学电子科学学院副教授。主要研究方向为雷达前视成像与电磁涡旋技术

王建秋(1994–)，男，安徽安庆人，国防科技大学电子科学学院博士研究生。主要研究方向为电磁涡旋与雷达前视成像

王宏强(1970–)，男，陕西宝鸡人，国防科技大学电子科学学院研究员。主要研究方向为太赫兹雷达与雷达成像

程永强(1982–)，男，河北张家口人，国防科技大学电子科学学院副研究员。主要研究方向为信息几何与统计信号处理

通讯作者:
刘康 liukang1117@126.com

责任主编：郭忠义 Corresponding Editor: GUO Zhongyi
中图分类号: TN95
计量
- 文章访问数: 1660
- HTML全文浏览量: 1131
- PDF下载量: 250
- 被引次数: 16
出版历程
- 收稿日期: 2021-06-07
- 修回日期: 2021-08-13
- 网络出版日期: 2021-09-06
- 刊出日期: 2021-10-28

Rotational Doppler Detection of a Cone-shaped Target under the Illumination of a Vortex Electromagnetic Wave

College of Electronic Science and Technology, National University of Defense Technology, Changsha 410073, China

Funds: The National Natural Science Foundation of China (61801486, 61921001)

More Information

Corresponding author: LIU Kang, liukang1117@126.com

摘要

摘要: 涡旋电磁波具有独特螺旋状波前结构，其受目标横向微动调制产生的旋转多普勒效应，有望为雷达目标探测技术的发展提供一个新途径。在涡旋电磁波照射下，利用锥体微动对回波瞬时频率的周期性调制特性，可以有效反演出锥体目标的微动参数和几何特征。该文重点研究了雷达前视条件下的锥体目标参数估计。首先，基于涡旋电磁波雷达目标旋转多普勒探测原理，推导了涡旋电磁波锥体目标回波数学方程，建立了锥体目标回波旋转多普勒模型。其次，提出了前视条件下的锥体目标参数估计方法，利用锥顶散射点和锥底散射点两维的旋转多普勒信息，可以对锥体目标微动参数和几何特征参数进行有效估计，仿真结果验证了该文所提方法的有效性及抗噪声鲁棒性。
- 涡旋电磁波 /
- 旋转多普勒 /
- 微多普勒 /
- 锥体目标 /
- 参数估计
Abstract: The vortex ElectroMagnetic (EM) wave has a unique spiral phase wavefront. The rotational Doppler effect, induced by the lateral micromotion of a target is expected to provide a new mode of radar target detection. Under the illumination of vortex EM waves, the micromotion of a cone-shaped target periodically modulates the instantaneous frequency of the radar echo; this can effectively reflect the geometric characteristics and micromotion parameters of a cone-shaped target. This paper focuses on the estimation of cone-shaped target parameters under forward-looking radar conditions. First, based on the principle of vortex EM wave target rotational Doppler detection, a mathematical equation describing the vortex EM wave of a cone-shaped target echo is derived, and an echo rotational Doppler model is established. Second, a method for cone-shaped target parameter estimation under forward-looking conditions is proposed. Using the two-dimensional rotational Doppler information of the scattering points at the top and bottom of a cone-shaped target, the micromotion and geometric parameters of the target can be effectively estimated. The simulation results verify the effectiveness and robustness of the method proposed in this paper.
- Vortex electromagnetic wave /
- Rotational Doppler /
- Micro-Doppler /
- Cone-shaped target /
- Parameter estimation

HTML全文

1. 引言

随着雷达性能的提升，其在区域防护中逐渐占据核心地位，被广泛应用于军事和民用等多个领域。其中海面微弱目标探测一直是雷达探测领域的重要难题之一，传统的研究手段通常是对大量观测到的海杂波进行幅度统计分析，进而确定虚警概率下的检测门限^[1]。然而海杂波的统计特征并不稳定且通常情况下其能量远大于目标回波，给微弱目标检测带来极大的困难。

海面微弱目标受海浪影响，其运动表现出非匀速性，此时目标信号和海杂波都是非平稳信号，无论时域分析还是频域分析都不能完整地呈现海面回波的特性。为了研究这类信号，研究者相继引入微多普勒分析、Hough变换、分数阶傅利叶变换、极化检测、机器学习和时频分析等方法以检测海面微弱目标^[2–8]。其中时频分析可以显示目标的瞬时运动特性，是检测海面微弱目标的有力工具^[9]。文献[10,11]分析了高频雷达下海面机动目标的各种时频分布，指出在时频域进行目标检测的可能性。文献[12]应用从海面回波的Hilbert-Huang变换中提取的固有模态能量熵特征进行目标检测。文献[13]针对高频雷达下变速巡航目标，应用自适应chirplet分解和谱相减方法压缩海杂波。文献[14]根据维格纳-威尔分布(Wigner-Ville Distribution, WVD) 逆变换提出基于S-方法(S-Method, SM)的信号分解方法，并应用该方法检测海面目标。

本文根据海面目标回波的距离维相关性，提出一种基于空域联合时频分解的海面微弱目标检测方法。在相邻的距离单元内，目标信号的相关性明显强于海杂波。本文首先提出了互S-方法(Cross S-Method, CSM)计算得到两相邻距离单元的联合时频分布，近似等于两回波信号的目标分量的CSM和海杂波信号的CSM之和。利用互维格纳-威尔分布(Cross Wigner-Ville Distribution, CWVD)逆变换实现两距离单元信号的联合分解并从分解分量中通过特定特征找出目标信号实现目标检测。仿真和实测数据都验证了该方法的有效性。

2. 海面回波信号分析

海杂波主要来源于波浪运动。海面波浪根据能量和波长大致可以分为两类：一种是由海面不定向微风产生的能量较弱波长较短的张力波，另一类是能量很强波长较长的重力波。重力波可以进一步细分为较小波浪和很大波浪。较小波浪是一些由当地阵风产生的很陡的短峰波集合。很大波浪的形状近似为正弦信号，它包含一些由固定强风产生的波长很长的波浪^[8]。图1为一段海面回波数据的时间-距离图，图中明亮的斜线表示波浪经过的路径。该数据由南非科学和工作研究委员会(Council for Scientific and Industrial Research, CSIR)通过一部X波段雷达测得，雷达具体参数见表1。

表 1 实测海面回波的参数

Table 1. Parameters of measured sea surface echo

参数	值
雷达波段	X
雷达工作带宽(MHz)	10
采样距离(m)	3000.3～3465.3
距离单元数目	31
每个距离单元的采样点	33001
有目标的距离单元	11
受目标影响的距离单元	9～14
距离分辨率	15 m, 15 m采样
雷达高度(m)	56
脉冲重复频率PRF(Hz)	2500
方位角(°N)	165.22
俯仰角(°)	1.187
风向(°N)	191.26
风速(m/s)	9
波浪方向(°N)	160
主要波浪高度(m)	2.88

下载: 导出CSV

| 显示表格

图 1 海面回波的时间-距离图

Figure 1. A time-distance map of sea surface echo

下载: 全尺寸图片幻灯片

在雷达照射区域中有一小型快艇，位于第11距离单元。目标尺寸较小，理论上位于一个距离单元内，但由于其阻挡了海浪的运动，使其在雷达回波中能够影响较大的区域，表现为在第9～14距离单元内都会出现目标回波。图2为第9～14距离单元回波的时频分布，从中可以直观地看到目标是在频率维聚集性非常好的曲线，且目标信号在时频域内与海杂波距离较远。利用滤波器将海面目标回波与海杂波分离，进而分别计算相邻距离单元内目标信号和海杂波的相关系数：目标信号的平均相关系数为0.9851，而海杂波的平均相关系数为0.6694，所以目标信号与海杂波的空间相关性是不同的。这是因为海杂波的相关距离较近，且内部变化复杂，故相关系数较小。

图 2 不同距离单元回波的时频分布图

Figure 2. Time-frequency distribution of echo in different range cells

下载: 全尺寸图片幻灯片

基于目标信号与海杂波在空间维相关性的不同，本文提出了一种基于空域联合时频分解的海面微弱目标检测方法。该方法同时利用两个相邻距离单元的回波进行联合时频分解，进而通过特征从分解分量中找出目标信号，实现目标检测。

3. 海面目标检测方法

本文提出了能够体现两个相邻距离单元回波数据相关性的CSM方法。两个信号的CSM通过合适的频率窗可以抑制两信号分量中支撑区域较远分量的交叉项，保留两信号中位于同一支撑区域中相应分量的CSM。在海面回波中，由于目标回波对于波浪运动的影响和海杂波的时空相关性，相邻或靠近的距离单元间的回波信号具有相似的时频结构，即两个距离单元回波中的目标信号位于相同的时频支撑区域，海杂波也位于同一时频支撑区域。由于目标信号通常是一条在时频面非常聚集的曲线，而海杂波分布在一小片时频区域内，所以两信号的CSM可以在聚集目标能量的同时抑制海杂波。

3.1 空域信号的联合时频表示

将接收到两个相邻距离单元内的回波信号标记为 $x(n)$ 和 $y(n)$ ，长度为 ${\text{N}}$ 点。应用与回波信号长度相同的矩形窗实现的短时傅利叶变换(Short Time Fourier Transform, STFT)可以表示为

${\rm{STF}}{{\rm{T}}_x}(n,k) = \sum\limits_{m = - N/2}^{N/2 - 1} {x(n + m){{\rm{e}}^{ - {\rm{j}}\scriptsize\displaystyle\frac{{2{\text{π}} }}{N}mk}}}$

(1)

${\rm{STF}}{{\rm{T}}_y}(n,k) = \sum\limits_{m = - N/2}^{N/2 - 1} {y(n + m){{\rm{e}}^{ - {\rm{j}}\scriptsize\displaystyle\frac{{2{\text{π}} }}{N}mk}}}$

(2)

此时，可以利用两信号的STFT可以构造它们的CWVD，

$\begin{aligned} {\rm{CWV}}{{\rm{D}}_{x,y}}(n,k) =& \frac{1}{N}\sum\limits_{l = - N/2}^{N/2 - 1} {\rm{STF}}{{\rm{T}}_x}(n,k + l)\\ {\rm{}}& \cdot{\rm{STFT}}_y^*(n,k - l) \end{aligned}$

(3)

对两信号的CWVD中引入一频率窗 $p(l)$ ，可以得到两信号的CSM，即

$\begin{aligned} {\rm{CS}}{{\rm{M}}_{x,y}}(n,k) = & \frac{1}{N}\sum\limits_{l = - N/2}^{N/2 - 1} p{\rm{(}}l{\rm{)STF}}{{\rm{T}}_x}(n,k + l)\\ {\rm{}}& \cdot{\rm{STFT}}_y^*(n,k - l) \end{aligned}$

(4)

其中，

$p\left( l \right) = \left\{\!\!\! \begin{array}{l} 1,\quad \left| l \right| \le L\\ 0,\quad \left| l \right| > L \end{array} \right.,\;\;\;\;L < {\rm{N}}/2$

(5)

信号的CSM可以改写成另外一种形式，

$\begin{aligned} {\rm{CS}}{{\rm{M}}_{x,\;y}}(n,k) =& \frac{1}{N}\sum\limits_{i = - L}^L {\rm{STF}}{{\rm{T}}_x}(n,k + i)\\ {\rm{}}& \cdot {\rm{STFT}}_y^*(n,k - i) \end{aligned}$

(6)

由于信号的SM近似等于信号的WVD^[14]，同理，两信号的CSM近似等于两信号的CWVD。基于式(6)，两相邻距离单元回波信号CSM的实现方式可以通过式(7)表示

$\begin{aligned} {\rm{CS}}{{\rm{M}}_{x,y}}(n,k) = &{\rm{STF}}{{\rm{T}}_x}(n,k){\rm{STFT}}_y^*(n,k) \\ {\rm{}} &+ \sum\limits_{i = 1}^L \left[ {\rm{STF}}{{\rm{T}}_x}(n,k + i)\right.\\ {\rm{}} &\cdot {\rm{STFT}}_y^*(n,k - i) + {\rm{STF}}{{\rm{T}}_x}(n,k - i)\\ {\rm{}} & \left.\cdot{\rm{STFT}}_y^*(n,k + i) \right] \end{aligned}$

(7)

通常情况下，海面回波的成份非常复杂，包含很多分量。假设两相邻距离单元内的回波信号具有如下形式

$\left. \begin{array}{l} x(n) = \sum\limits_{i = 1}^M {{x_i}(n)} \\ y(n) = \sum\limits_{i = 1}^M {{y_i}(n)} \\ \end{array} \right\}$

(8)

其中， ${x_i}(n)$ 和 ${y_i}(n)$ 拥有相同的时频支撑区域 ${D_i}\left( {n,k} \right),i = 1,2, ·\!·\!· ,M$ ，且支撑区域满足 ${D_i}(n,k) \cap$ ${D_j}(n,k) = \phi ,i \ne j$ 。选择一个合适的窗函数 $p(l)$ , $x(n)$ 和 $y(n)$ 的CSM可近似为相应分量的CWVD, ${\rm{CWV}}{{\rm{D}}_{{x_i},\;{y_i}}}(n,k),\;i = 1,2, ·\!·\!· ,M$ 之和，即

${\rm{CS}}{{\rm{M}}_{x,y}}(n,k) \approx \sum\limits_{i = 1}^M {{\rm{CWV}}{{\rm{D}}_{{x_i},{y_i}}}(n,k)}$

(9)

图3为在 $L = 4,M = 512$ 参数下相邻两个距离单元的回波信号的时频表示。图3(a)和图3(b)分别给出了两个信号的SM表示，从图中可以看到两信号中都包含大能量的海杂波和小能量的目标信号。两图具有相同的结构：目标信号与海杂波信号分别位于相同的时频支撑区域内。通过CSM计算两回波信号的联合时频分布，结果如图3(c)所示。从图中可以看出，相邻距离单元回波信号的CSM等于两信号中目标信号的CSM和海杂波信号的CSM之和，且目标回波依然表现出较高的时频聚集性。

图 3 两相邻回波信号的SM和CSM表示

Figure 3. The SM and CSM of two adjacent echo signals

下载: 全尺寸图片幻灯片

3.2 CWVD逆变换^[15]

假设信号 $x(n)$ 和 $y(n)$ 是单分量信号，将它们分别表示成列向量 $\text{x}= {[{x_1} ·\!·\!· {x_n} ·\!·\!· {x_N}]^{\rm{T}}}$ 和 $\text{y} = {[{y_1} ·\!·\!· {y_n} }$ $·\!·\!·\;{y_N}]^{\rm{T}}$ 。两信号的CWVD为

${\rm{CWV}}{{\rm{D}}_{x{\mathbf{,}}y}}(n,k) = 2\sum\limits_m {{F_n}(m)} {{\rm{e}}^{ - {\rm{j}}\scriptsize\displaystyle\frac{{2{\text{π}} }}{N}2mk}}$

(10)

其中，核函数 ${F_n}(m)$ 表示

${F_n}(m) = {x_{n + m}}y_{n - m}^*$

(11)

其中， ${( \cdot )^*}$ 为共轭操作。令 $c = n + m,$ $d = n - m$ ，可以得到 $1 \le c \le {\rm{N}}$ , $1 \le d \le {\rm{N}}$ 。

当两个信号的CWVD已知，那么核函数 ${F_n}(m)$ 的矩阵形式 ${{\hat{\text{F}}}_n}(m)$ 可以通过1维逆离散傅利叶变换得到

${\hat {\text{F}}_n}(m) = \frac{1}{{2N}}\sum\limits_k {{\text{CWVD}}(n,k)} {{\rm{e}}^{{\rm{j}}\scriptsize\displaystyle\frac{{2{\text{π}} }}{N}2mk}}$

(12)

考虑向量 ${\text{x}}$ 和 ${\text{y}}$ 的互相关矩阵 ${\text{R}}$ ，它的元素为 ${R_{a,b}} = {x_a}y_b^*$ ，其中 $1 \le a \le N$ 和 $1 \le b \le N$ 。可以轻易地发现 ${{\hat{{\text{F}}}}_n}(m)$ 中的所有非零元素都包含在矩阵 ${\text{R}}$ 中，但位置不同。 ${{\hat{{\text{F}}}}_n}(m)$ 的第 $n$ 维元素的下标和为 $2n$ ，而这些元素分布在矩阵 ${\text{R}}$ 的第 $2n - 1$ 维辅对角线上。因此，可以将 ${{\hat{{\text{F}}}}_n}(m)$ 的第 $n$ 维中所有非零元素放置在一个零矩阵的第 $2n - 1$ 维辅对角线上，由此可得

${\hat{{\text{R}}}} = \left\{ \begin{array}{l} {\text{R}},\quad a + b = 2n \\ 0,\quad \;a + b = 2n - 1 \\ \end{array} \right.$

(13)

对构造矩阵 ${\hat{{\text{R}}}}$ 进行奇异值分解可以得到

${\hat{{\text{R}}}} = {\text{U}}\Lambda {{\text{V}}^{\rm{H}} } = \sum\limits_{i = 1}^N {{\lambda _i}{{\text{u}}_i}{\text{v}}_i^{\rm{H}} }$

(14)

其中， ${\lambda _i}$ 表示奇异值， ${{\text{u}}_i}$ 和 ${{\text{v}}_i}$ 分别表示酉矩阵 ${\text{U}}$ 和 ${\text{V}}$ 的列向量， ${( \cdot )^{\rm{H}}}$ 为厄米特转置符号。

经过计算可以得到只有两个奇异值不为0，即

${\hat{{\text{R}}}} = {\lambda _1}{\text{x}}{}_1{\text{y}}_1^{\rm{H}} + {\lambda _2}{\text{x}}{}_2{\text{y}}_2^{\rm{H}}$

(15)

其中， ${\lambda _1},\,{\lambda _2}$ 为常数且满足 ${\lambda _1} \approx {\lambda _2}$ ，

${\lambda _1} + {\lambda _2} = {\left\| {\text{x}} \right\|_2}{\left\| {\text{y}} \right\|_2}$

(16)

最终可得合成信号

$\left. \begin{array}{l} {\hat{{\text{x}}}} = {{\text{x}}_1} + {{\text{x}}_2} \\ {\hat{{\text{y}}}} = {{\text{y}}_1} + {{\text{y}}_2} \\ \end{array} \right\}$

(17)

合成信号满足

$\left. \begin{array}{l} {{\rm WVD}_{{\hat{{\text{x}}}}}}(n,k) \equiv {{\rm WVD}_{{\bar{{\text{x}}}}}}\left( {n,k} \right) \\ {{\rm WVD}_{{\hat{{\text{y}}}}}}(n,k) \equiv {{\rm WVD}_{{\bar{{\text{y}}}}}}(n,k) \\ {{\rm CWVD}_{{\hat{{\text{x}}}},{\hat{{\text{y}}}}}}(n,k) \equiv {{\rm CWVD}_{{\bar{{\text{x}}}},{\bar{{\text{y}}}}}}(n,k) \end{array} \right\}$

(18)

其中， ${\bar{{\text{x}}}} = {\text{x}}/{E_{\text{x}}}$ , ${\bar{{\text{y}}}} = {\text{y}}/{E_{\text{y}}}$ , ${E_{\text{x}}}$ 和 ${E_{\text{y}}}$ 分别为信号 $x(n)$ 和 $y(n)$ 的能量。

当信号 $x(n)$ 和 $y(n)$ 是多分量信号，如式(8)所示。对式(9)所示的CSM进行CWVD逆变换可以得到

${\hat{{\text{R}}}} = \sum\limits_{i = 1}^M {{\lambda _{1,i}}{\text{x}}_{1,i}{\text{y}}_{1,i}^{\rm H} + {\lambda _{2,i}}{\text{x}}_{2,i}{\text{y}}_{2,i}^{\rm H}}$

(19)

$\left. \begin{array}{l} {{{\hat{{\text{x}}}}}_i} = {{\text{x}}_{1,i}} + {{\text{x}}_{2,i}} \\ {{{\hat{{\text{y}}}}}_i} = {{\text{y}}_{1,i}} + {{\text{y}}_{2,i}} \\ \end{array} \right\}\hspace{68pt}$

(20)

所以，将CWVD逆变换应用于海面回波的CSM，可以实现空域 (不同距离单元)信号联合时频分解。

3.3 海面目标检测方法

基于CSM方法和CWVD逆变换，提出一种海面目标检测方法，其实现过程如下：

步骤 1　计算两个相邻距离单元回波信号的CSM，其中L=4；

步骤 2　利用CWVD逆变换实现两个距离单元回波信号的联合时频分解得到^[15]：

$x(n) = \sum\limits_{i = 1}^{M'} {{{\hat x}_i}(n)}$

(21)

$y(n) = \sum\limits_{i = 1}^{M'} {{{\hat y}_i}(n)}$

(22)

其中， ${\hat x_i}(n)$ 与 ${\hat y_i}(n)$ 具有相同的时频支撑区域。 ${\hat x_i}(n)$ 可能与式(8)中的 ${x_i}(n)$ 相等，也可能是 ${x_i}(n)$ 的一部分，与窗长的选择有关。

步骤 3　对分解得到的分量进行联合特征提取，并以此作为检测统计量进行目标检测。

海面目标回波通常是一个调频信号，所以其时频聚集程度远大于海杂波。将两距离单元对应分解分量最大值的平方与它们均值之比定义为检测统计量，即

${C_i} = \frac{{N{{({{\max }_{n,\,k}}({\rm{CS}}{{\rm{M}}_{{{\hat x}_i},{{\hat y}_i}}}(n,k)))}^2}}}{{\displaystyle\sum\limits_n {\displaystyle\sum\limits_k {{\rm{CS}}{{\rm{M}}_{{{\hat x}_i},{{\hat y}_i}}}(n,k)} } }}$

(23)

该检测统计量能够表示信号的联合时频聚集性。分解所得的信号分量可以通过式(24)判断

$\left\{ \begin{array}{l} {H_1}:\quad {C_i} \ge P,\quad \quad {\text{目标分量}} \\ {H_0}:\quad {C_i} < P,\quad \quad {\text{海杂波分量}} \end{array} \right.$

(24)

其中， $P\,$ 为时频聚集性门限，通过蒙特卡罗方法得到。具体算法流程图如图4所示。

图 4 算法流程图

Figure 4. Algorithm flow chart

下载: 全尺寸图片幻灯片

4. 实验结果与分析

构造一些含微弱目标的海面回波信号：将实测数据中不受目标影响的距离单元内的海杂波数据分成若干个长为512点的小数据块，应用蒙特卡罗方法对各小段海杂波应用本文方法进行分解和检测，进而根据虚警率6.6×10^–4设定检测门限，然后在每个小数据块中加入一个微弱目标信号。为了使信号能够代表匀速运动目标和加速运动目标，将信号设为幅度是高斯函数的线性调频信号

$S(n) = b \cdot {{\rm{e}}^{ - {\text{π}} {{((n - 200)/400)}^2}}} \cdot {{\rm{e}}^{{\rm{j}}2{\text{π}} (0.00005{n^2})}}$

(25)

其中， $b$ 是一个幅度参数用来调整信杂比(SCR)， $0 \le n \le 511$ 。目标回波信号的频率为0～125 Hz的扫频信号，且目标的初始径向速度为 $0.13\;{\rm{m/s}}$ ，加速度为 $3.14\;{\rm{m}}/{{\rm{s}}^2}$ 。因而在时频域内，目标信号与海杂波非常靠近或部分重叠。

图5(a)为基于CSIR数据在SCR=–7 dB时的目标检测ROC(Receiver Operating Curves)曲线。从中可以看出所提方法比基于S-方法分解^[14]和自适应归一化匹配滤波器(Adaptive Normalized Matched Filter, ANMF)^[16]的目标检测方法效果更好。图5(b)为基于IPIX数据^[17]的检测结果。从中可以看出所提方法性能优于传统的基于海杂波统计特性的目标检测方法。另外，对比于基于1个距离单元回波SM的方法，本方法的检测性能也有一定程度的提高，这是因为两个距离单元回波的联合处理降低了海杂波的相关性。

图 5 目标检测概率

Figure 5. Target detection probability

下载: 全尺寸图片幻灯片

利用实测数据验证所提的海面目标检测方法。对图3中的回波信号进行联合时频分解并利用检测统计量从分解分量中找出目标信号。其CSM分布显示在图6中。从中可以看出目标信号以3.56 m/s的速度远离雷达。

图 6 实际目标检测结果(图3中信号)

Figure 6. Actual target detection result (signal in Fig.3)

下载: 全尺寸图片幻灯片

5. 结束语

海面目标的存在会影响多个雷达距离单元，相邻雷达距离单元回波的联合时频分布表现出与单个距离单元回波信号的时频分布相似的特征。本文提出一种两距离单元信号的联合时频分布方法——互SM，可以近似为两信号中相关分量的CWVD之和。利用CWVD逆变换实现两个距离单元回波信号的联合时频分解，最后利用分解分量的联合时频聚集性从分解分量的挑选出目标信号。本文提出的基于空域联合时频分解的海面微弱目标检测方法不仅可以快速的实现目标检测，还能够提出目标信号的运动特征。对包含仿真目标与实际目标的海面回波数据的检测结果表明，本文方法可以从海面回波中检测出微弱目标，并且能够得到目标的运动特性。

针对编队目标，即波束照射区间会出现多个目标的情况，通常情况下目标都是以相同的速度运动，此时目标检测算法同样适用。当目标间相对速度较大时，可以将两个目标通过信号分解方法分解出来，实现目标检测的同时进行目标数目估计；当目标相对速度较小时，在相对较短的时间内(约0.2 s)，目标不大可能出现明显机动，所以将回波信号建模成谐波信号是合理的。通过调整步长L，同样可以实现信号分离而不产生交叉项，所以该方法同样适用于多目标情况。

对于高速运动目标，如巡航导弹等，由于目标的高速运动，有可以会造成距离徙动现象，给目标检测带来困难，一方面可以通过减小积累时间、提高采样频率的方法来减小距离徙动造成的影响，另一方面也可以利用距离走动校正方法来消除距离徙动，实现目标信号长时间积累。本方法的下一步研究工作将集中在会产生距离徙动的高速运动目标检测方面。

图 1 涡旋电磁波雷达锥体目标探测示意图

Figure 1. Diagram of the vortex electromagnetic radar cone-shaped target detection

下载: 全尺寸图片幻灯片

图 2 目标微动投影到XOY平面

Figure 2. Projection of the target micro-motion to the XOY plane

下载: 全尺寸图片幻灯片

图 3 回波时频分布与多普勒模型对比

Figure 3. Comparison of echo time-frequency distribution and Doppler model

下载: 全尺寸图片幻灯片

图 4 信号分离及参数估计方法流程

Figure 4. Flowchart of the signal separation and parameter estimation method

下载: 全尺寸图片幻灯片

图 5 仿真结果

Figure 5. Simulation result

下载: 全尺寸图片幻灯片

图 6 不同信噪比下的目标参数估计误差

Figure 6. Target parameter estimation error under different SNR

下载: 全尺寸图片幻灯片

表 1 参数估计结果

Table 1. Parameter estimation result

参数真实值估计值估计误差 (%)

θ_c 15° 14.5758° 2.83
Ω_c 8π rad/s 7.8821π rad/s 1.47
H 2 m 2.0105 m 0.52
r_a 0.5 m 0.5426 m 8.52

下载: 导出CSV

参考文献(28)

[1]	TAMBURINI F, MARI E, SPONSELLI A, et al. Encoding many channels on the same frequency through radio vorticity: First experimental test[J]. New Journal of Physics, 2012, 14(3): 033001. doi: 10.1088/1367-2630/14/3/033001
[2]	ALLEN L, BEIJERSBERGEN M W, SPREEUW R J C, et al. Orbital angular momentum of light and the transformation of Laguerre-Gaussian laser modes[J]. Physical Review A, 1992, 45(11): 8185–8189. doi: 10.1103/PhysRevA.45.8185
[3]	LIU Kang, CHENG Yongqiang, LI Xiang, et al. Microwave-sensing technology using orbital angular momentum: Overview of its advantages[J]. IEEE Vehicular Technology Magazine, 2019, 14(2): 112–118. doi: 10.1109/MVT.2018.2890673
[4]	WANG Jianqiu, LIU Kang, CHENG Yongqiang, et al. Vortex SAR imaging method based on OAM beams design[J]. IEEE Sensors Journal, 2019, 19(24): 11873–11879. doi: 10.1109/JSEN.2019.2937976
[5]	ZHENG Jiayu, ZHENG Shilie, SHAO Zhenlei, et al. Analysis of rotational Doppler effect based on radio waves carrying orbital angular momentum[J]. Journal of Applied Physics, 2018, 124(16): 164907. doi: 10.1063/1.5050448
[6]	ZHAO Mingyang, GAO Xinlu, XIE Mutong, et al. Measurement of the rotational Doppler frequency shift of a spinning object using a radio frequency orbital angular momentum beam[J]. Optics Letters, 2016, 41(11): 2549–2552. doi: 10.1364/OL.41.002549
[7]	NIENHUIS G. Doppler effect induced by rotating lenses[J]. Optics Communications, 1996, 132(1/2): 8–14.
[8]	COURTIAL J, DHOLAKIA K, ROBERTSON D A, et al. Measurement of the rotational frequency shift imparted to a rotating light beam possessing orbital angular momentum[J]. Physical Review Letters, 1998, 80(15): 3217–3219. doi: 10.1103/PhysRevLett.80.3217
[9]	COURTIAL J, ROBERTSON D A, DHOLAKIA K, et al. Rotational frequency shift of a light beam[J]. Physical Review Letters, 1998, 81(22): 4828–4830. doi: 10.1103/PhysRevLett.81.4828
[10]	LAVERY M P J, SPEIRITS F C, BARNETT S M, et al. Detection of a spinning object using light’s orbital angular momentum[J]. Science, 2013, 341(6145): 537–540. doi: 10.1126/science.1239936
[11]	CVIJETIC N, MILIONE G, IP E, et al. Detecting lateral motion using light’s orbital angular momentum[J]. Scientific Reports, 2015, 5(1): 15422. doi: 10.1038/srep15422
[12]	ZHENG Jiayu, ZHENG S, SHAO Zhenlei, et al. Rotational Doppler effect based on the radio orbital angular momentum wave[C]. 2017 Asia Pacific Microwave Conference, Malaysia, 2017.
[13]	傅子玲, 王智, 崔粲, 等. 利用涡旋光束的旋转多普勒效应测量角速度[J]. 激光与光电子学进展, 2019, 56(18): 180501. doi: 10.3788/LOP56.180501 FU Ziling, WANG Zhi, CUI Can, et al. Angular velocity measurement based on rotational Doppler effect of vortex beam[J]. Laser &Optoelectronics Progress, 2019, 56(18): 180501. doi: 10.3788/LOP56.180501
[14]	陈行勇, 黎湘, 郭桂蓉, 等. 微进动弹道导弹目标雷达特征提取[J]. 电子与信息学报, 2006,, 28(4): 643–646. CHEN Xingyong, LI Xiang, GUO Guirong, et al. Radar feature extraction of micri-precession ballistic missile warhead[J]. Journal of Electronics &Information Technology, 2006,, 28(4): 643–646.
[15]	LEI PENG, SUN Jinping, WANG Jun, et al. Micromotion parameter estimation of free rigid targets based on radar micro-Doppler[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(10): 3776–3786. doi: 10.1109/TGRS.2012.2185244
[16]	雷腾, 刘进忙, 杨少春, 等. 基于三站一维距离像融合的弹道目标特征提取方法研究[J]. 宇航学报, 2012, 33(2): 228–234. doi: 10.3873/j.issn.1000-1328.2012.02.012 LEI Teng, LIU Jinmang, YANG Shaochun, et al. Study on feature extraction method of ballistic target based on three-station range profiles[J]. Journal of Astronautics, 2012, 33(2): 228–234. doi: 10.3873/j.issn.1000-1328.2012.02.012
[17]	徐昕, 赵安军, 吉莎杉. 基于RCS的空间目标识别研究[J]. 火力与指挥控制, 2010, 35(10): 134–136. doi: 10.3969/j.issn.1002-0640.2010.10.037 XU Xin, ZHAO Anjun, and JI Shashan. Recognition techniques for space targets based on RCS[J]. Fire Control & Command Control, 2010, 35(10): 134–136. doi: 10.3969/j.issn.1002-0640.2010.10.037
[18]	庄钊文, 肖顺平, 王雪松. 雷达极化信息处理及其应用[M]. 北京: 国防工业出版社, 1999 ZHUANG Zhaowen, XIAO Shunping, and WANG Xuesong. Radar Polarization Information Processing and Application[M]. Beijing: National Defense Industry Press, 1999.
[19]	马君国, 赵宏钟, 李保国. 基于结构特征的空间目标识别算法[J]. 现代雷达, 2006, 27(7): 67–70. doi: 10.3969/j.issn.1004-7859.2006.07.020 MA Junguo, ZHAO Hongzhong, and LI Baoguo. Space target recognition algorithm based on structure feature[J]. Modern Radar, 2006, 27(7): 67–70. doi: 10.3969/j.issn.1004-7859.2006.07.020
[20]	潘勉. 雷达高分辨距离像目标识别技术研究[D], 西安电子科技大学, 2013 PAN Mian. Study of radar target recognition technology based on high range resolution profile[D]. [Ph.D. dissertation], Xidian University, 2013.
[21]	HU Yuankui and YANG Yiming. Automatic target recognition of ISAR images based on Hausdorff distance[C]. The 2007 1st Asian and Pacific Conference on Synthetic Aperture Radar, Huangshan, China, 2007: 477–479.
[22]	LIU Yongxiang, LI Xiang, ZHUANG Zhaowen, et al. Estimation of micro-motion parameters based on micro-Doppler[J]. IET Signal Processing, 2010, 4(3): 213–217. doi: 10.1049/iet-spr.2009.0042
[23]	CHEN V C, LI F, HO S S, et al. Micro-Doppler effect in radar: Phenomenon, model, and simulation study[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(1): 2–21.
[24]	RENHORN I G E, KARLSSON C, LETALICK D, et al. Coherent laser radar for vibrometry: Robust design and adaptive signal processing[C]. The SPIE 2472, Applied Laser Radar Technology II, Orlando, USA, 1995.
[25]	王兆云, 张兴敢, 柏业超. 基于微多普勒的锥体目标进动和结构参数估计[J]. 南京大学学报: 自然科学, 2014, 50(2): 148–153. WANG Zhaoyun, ZHANG Xinggan, and BAI Yechao. Precession and structural parameter estimation of cone-shaped target based on the micro-Doppler[J]. Journal of Nanjing University:Natural Sciences, 2014, 50(2): 148–153.
[26]	韩勋, 杜兰, 刘宏伟. 基于窄带微多普勒调制的锥体目标参数估计[J]. 电子与信息学报, 2015, 37(4): 961–968. doi: 10.11999/JEIT140814 HAN Xun, DU Lan, and LIU Hongwei. Parameter estimation of cone-shaped target based on narrowband micro-Doppler modulation[J]. Journal of Electronics &Information Technology, 2015, 37(4): 961–968. doi: 10.11999/JEIT140814
[27]	LIU Baiyang, CHU Hongchen, GIDDENS H, et al. Experimental observation of linear and rotational Doppler shifts from several designer surfaces[J]. Scientific Reports, 2019, 9(1): 8971. doi: 10.1038/s41598-019-45516-1
[28]	陈是扦, 彭志科, 邢冠培. 基于参数化解调的旋转目标微多普勒频率提取方法[J]. 上海航天, 2018, 35(5): 39–44. doi: 10.19328/j.cnki.1006-1630.2018.05.006 CHEN Shiqian, PENG Zhike, and XING Guanpei. Micro-Doppler frequency extraction for rotating targets based on parameterized demodulation[J]. Aerospace Shanghai, 2018, 35(5): 39–44. doi: 10.19328/j.cnki.1006-1630.2018.05.006

施引文献

期刊类型引用(8)

1.	周利，胡杰民，付连庆，凌三力. 基于MDCFT与水平集的高海情弹载雷达成像检测方法. 系统工程与电子技术. 2024(04): 1247-1254 . 百度学术
2.	汪翔，汪育苗，陈星宇，臧传飞，崔国龙. 基于深度学习的多特征融合海面目标检测方法. 雷达学报. 2024(03): 554-564 . 本站查看
3.	邓稼麒，李正周，党楚佳，陈文豪，秦天奇. 基于海面场景感知的雷达目标检测方法. 中国电子科学研究院学报. 2023(02): 129-137 . 百度学术
4.	薛安克，毛克成，张乐. 多分类器联合虚警可控的海上小目标检测方法. 电子与信息学报. 2023(07): 2528-2536 . 百度学术
5.	王金峰，顾庆远，刘仍莉. 一种基于谱认知的海杂波中运动目标检测方法. 火控雷达技术. 2021(01): 32-36+47 . 百度学术
6.	刘珊，丛培杰，吴杰，肖百惠，曲德宇，杨淼. 基于时频域转换的变压器油纸绝缘介质响应检测研究. 自动化技术与应用. 2021(06): 112-116 . 百度学术
7.	郭子薰，水鹏朗，白晓惠，许述文，李东宸. 海杂波中基于可控虚警K近邻的海面小目标检测. 雷达学报. 2020(04): 654-663 . 本站查看
8.	陈世超，高鹤婷，罗丰. 基于极化联合特征的海面目标检测方法. 雷达学报. 2020(04): 664-673 . 本站查看

其他类型引用(8)

资源附件(0)

访问统计

图(6) / 表(1)

计量

文章访问数: 1660
HTML全文浏览量: 1131
PDF下载量: 250
被引次数: 16

1. 引言
2. 海面回波信号分析
3. 海面目标检测方法
3.1 空域信号的联合时频表示
3.2 CWVD逆变换[15]
3.3 海面目标检测方法
4. 实验结果与分析
5. 结束语

涡旋电磁波雷达锥体目标旋转多普勒探测

DOI: 10.12000/JR21074

通讯作者:
刘康 liukang1117@126.com

计量

Rotational Doppler Detection of a Cone-shaped Target under the Illumination of a Vortex Electromagnetic Wave

Corresponding author: LIU Kang, liukang1117@126.com

1. 引言

2. 海面回波信号分析

3. 海面目标检测方法

3.1 空域信号的联合时频表示

3.2 CWVD逆变换^[15]

3.3 海面目标检测方法

4. 实验结果与分析

5. 结束语

期刊类型引用(8)

其他类型引用(8)

计量

目录

1. 引言

2. 海面回波信号分析

3. 海面目标检测方法

3.1 空域信号的联合时频表示

3.2 CWVD逆变换^[15]

3.3 海面目标检测方法

4. 实验结果与分析

5. 结束语

期刊介绍

联系我们

参数	真实值	估计值	估计误差 (%)
θ_c	15°	14.5758°	2.83
Ω_c	8π rad/s	7.8821π rad/s	1.47
H	2 m	2.0105 m	0.52
r_a	0.5 m	0.5426 m	8.52

涡旋电磁波雷达锥体目标旋转多普勒探测

DOI: 10.12000/JR21074

通讯作者: 刘康 liukang1117@126.com

计量

出版历程

Rotational Doppler Detection of a Cone-shaped Target under the Illumination of a Vortex Electromagnetic Wave

Corresponding author: LIU Kang, liukang1117@126.com

1. 引言

2. 海面回波信号分析

3. 海面目标检测方法

3.1 空域信号的联合时频表示

3.2 CWVD逆变换[15]

3.3 海面目标检测方法

4. 实验结果与分析

5. 结束语

期刊类型引用(8)

其他类型引用(8)

计量

出版历程

目录

1. 引言

2. 海面回波信号分析

3. 海面目标检测方法

3.1 空域信号的联合时频表示

3.2 CWVD逆变换[15]

3.3 海面目标检测方法

4. 实验结果与分析

5. 结束语

期刊介绍

联系我们

通讯作者:
刘康 liukang1117@126.com

3.2 CWVD逆变换^[15]

3.2 CWVD逆变换^[15]