APP下载

基于超宽带雷达的叶簇隐蔽目标检测算法

2017-04-23张金元张晶付庆霞

电子技术与软件工程 2017年5期
关键词:小波变换

张金元+张晶+付庆霞

摘 要 超宽带雷达对叶簇具有较强的穿透性,对叶簇后处于径向运动的人体目标具有较好的探测能力,首先采用脉冲积累与小波联合去噪的方法提高信噪比;然后提出EMD方法,对信号进行分解重构来提取运动人体目标信号,最后利用幅度排序点迹凝聚算法进行航迹提取。实验结果表明提出算法可以有效提高信噪比和信杂比并得到理想的检测结果。

【关键词】超宽带雷达 叶簇隐蔽目标检测 小波变换 EMD分解

超宽带雷达其信号具有丰富的低频分量,可穿透叶簇探测丛林目标,并具有测距精度高、穿透能力强、分辨能力高、反隐身能力好等优点。本文应用脉冲积累与小波联合去噪的方法提高信噪比,小波变换由于具有时频局部化,小波基选择的灵活性,计算速度快,适应性广,成为信号去噪的一个强有力的工具;EMD分解方法可以更准确有效地掌握原数据的特征信息,重构出有用信息,去除静物杂波和部分噪声,提取运动人体目标信号。最后应用幅度排序点迹凝聚算法来提取人体运动轨迹。

1 脉冲积累与小波变换级联去噪方法

首先把输入信号进行适当的脉冲积累来提高信噪比,然后再利用小波变换方法进行去噪,去除高频噪声。

运动目标信号本质上是一个低频信号,经小波变换后,它的小波变换系数在某些尺度上具有较大的幅值。而噪声的频带大大宽于信号的频带。因此噪声在小波变换系数上的表现与信号相反。根据这种情况,利用某尺度下小波变换中的低频系数来重建信号,直接舍弃信号在其他尺度上的系数分量,可使得信号的噪声部分被削弱。

2 EMD分解重构

应用EMD方法对去噪后的信号依特征尺度分解成从低频到高频的几组固有模态,选出符合人体运动范围内的模态累加求和,进一步提高信噪比。

该方法将一个给定的信号月y(t)分解成L个IMF分量hi(t)和一个残余分量rL(t),每个IMF代表了信号y(t)在某个尺度上的细节。

IMF的筛分过程是一个迭代的过程,对于第j次迭代,rj-1(t)为当前残余分量,并且當j=1时,有r0(t)=y(t)。

(1)令hj,i(t)=rj-1(t),i=1;

(2)求hj,i(t)的极大值和极小值,并利用3次样条插值求得极大值确定的上包络线和极小值确定的下包络线;

(3)求上下包络线的均值mj,i(t);

(4)更新hj,i+1(t)=hj,i(t)-mj,i(t),i=i+1;

(5)判断hj,i(t)是否满足IMF的两个条件,若满足,则hj(t)=hj,i(t)为第j阶IMF分量,若不满足,重复步骤(2)-(4);

(6)更新残余值rj(t)=rj-1(t)-hj(t),j=j+1,如果rj(t)中的极值点少于两个,终止迭代,否则,从第1步开始继续迭代过程。

筛分过程结果为各阶IMFhj(t)和残余值rL(t)的组合:

3 点迹凝聚算法

文中在形成目标航迹之前应用了幅度排序点迹凝聚算法。排序器首先对点迹幅度值进行了大小排序,再选择排序后的前m个点迹作为目标的一种估计。为保证邻近的或者交叉的目标不凝聚到一个点迹中,最有特征的区别是多普勒频率值。具体步骤为:

(1)选择出距离上相邻的点;

(2)连续点迹多普勒差值小于门限值,这个门限的确定要根据雷达滤波器精度来确定;

(3)相邻点迹幅度差不大于某个门限,这个差值的大小取决于脉冲宽度和脉内取样点,超过脉宽的相邻点可能由副瓣引入;

(4)根据凝聚后得到的点迹进行平滑处理得到目标的航迹。

该方法是在质量中心算法的基础上更加突出了幅度值大的点迹,主要是为了避免大量偏离中心的回波较小虚假点迹影响目标凝聚的效果。

4 实验结果与分析

如图1-3所示为雷达数据矩阵,横坐标为快时间,即距离维;纵坐标为慢时间,即时间维。从图中可以看出纹路为人当前时刻所在的位置。图1中的竖条纹路为静止物体回波,处理后的数据中仍然含有较严重的静止物体杂波,因此引入了EMD分解重构的方法去除杂波。从图2可以看出该方法不仅可以有效去除静物杂波,而且还有二次去噪的作用。

最后进行幅度排序点迹凝聚算法进行航迹提取。点迹凝聚算法对目标航迹的形成产生了极大地改善作用。如图3所示,由于实验过程中人体采用绕过叶簇的方式行走,在绕行的过程中超出了雷达的探测范围,因此运动轨迹在20米的叶簇处消失,直至进入雷达的探测范围后轨迹重新出现。最终获得了理想的检测结果。

5 结束语

本文研究了超宽带雷达叶簇隐蔽目标运动人体检测跟踪技术,首先应用脉冲积累与小波联合去噪以及EMD分解重构方法提高SNR,再利用幅度排序点迹凝聚算法提取出了人体运动轨迹。文中最后通过实测数据验证了该算法的有效性,得到了满意的检测结果,具有较好的工程实用意义。

参考文献

[1]李超,李悦丽,安道祥,王广学.基于视觉注意机制的UWB SAR叶簇隐蔽目标变化检测[J].电子学报,2016,44(01):39-45.

[2]陈小莉,郭静,田茂.小波分析在穿墙雷达回波奇异性检测的应用[J].武汉大学学报,2010,56(04):487-490.

猜你喜欢

小波变换
基于峰度和小波变换的超短波信号调制识别
基于双树四元数小波变换的图像降噪增强
基于小波变换的数字水印技术