张 浩，张荣福

（上海理工大学 光电信息与计算机工程学院，上海 200093）

引 言

随着现代电子科学技术的发展，微波雷达技术广泛应用于军用和民用领域，越来越多的探测设备都需要雷达技术的支持。与传统的传感器相比，微波雷达具有发射功率低、分辨率高以及穿透性强等特点。这些特点使得微波雷达技术在运动目标检测方面具有较大的优势，可以在医疗、救援搜索等[1-3]领域发挥越来越重要的作用。

微波雷达发射电磁信号时，由于多普勒效应，其回波信号会携带被测目标的运动特征。然而，由于系统本身的高灵敏度，检测目标背景仍会产生大量噪声，目标运动信息很容易淹没在背景噪声中，以致影响运动信息的特征提取，所以去噪成为发挥雷达探测能力的关键。目前，常用的去噪和数据提取算法主要有：经验模态分解算法（empieical mode decomposition, EMD）、小波变换、基于机器学习的去噪算法等。

Wang等[4]以EMD的阈值去噪算法为原型，提出了一种对雷达信号进行奇异谱约束的总体经验模态分解（EEMD）改进算法。这种方法将雷达信号分解成若干固有模态函数（IMF），通过过滤含有噪声的IMF来去噪。但经验模态分解方法存在模态混合的问题，导致时频分布严重混叠，在信噪比低时存在性能不稳定、信号失真，不能有效去噪。Nguyen等[5]结合连续小波变换和EMD算法进行去噪，从雷达回波信号中检测出短时心血管脉冲。小波变换虽然有良好的时频分辨率，但结果主要取决于小波基函数的选择，不具有很好的稳定性。……