时频-Radon变换在激光微多普勒效应特征提取中的应用

鉴于激光微多普勒效应探测运动目标复合振动的重要性,利用离散小波多分辨分析对激光微多普勒效应探测运动目标复合振动的实验数据进行分解,研究不同尺度下的信号特征。将Radon变换与时频分析结合在一起,对实验所得信号在时频域中进行分析,结果表明:时频-Radon变换适合于微多普勒信号的识别,应用该方法能够抑制多分量信号时频分布产生的交叉项干扰,有效地提取微动目标的特征,为目标特征的识别、分类和探测提供了便利。     

基于微多普勒效应的旋翼弦长激光探测方法研究

为实现基于微多普勒效应的旋翼目标激光探测与识别,研究了面目标旋翼对激光回波的调制作用.利用物理光学法中面元散射回波叠加原理,构建了矩形面旋翼的微多普勒激光回波模型.通过仿真,利用时频分析方法提取了异于线目标模型的微多普勒特征.机理分析证实该特征反映弦长即旋翼横向尺寸信息,据此提出了相干探测激光回波的矩形旋翼弦长计算方法.不同展弦比旋翼的回波仿真结果与理论公式吻合较好,验证了该方法的有效性.误差分析表明,与进行单一窗长条件下的短时傅里叶变换相比,利用改变窗长的方法分别提取时间、频率信息可有效减小弦长计算误差至1.58%.该模型可实现对旋翼飞行器弦长尺寸的计算,为进一步的旋翼形状探测识别提供了依据.     

弹载共孔径激光微多普勒目标识别系统研究

为实现对距离4 km目标100 Hz振动特征的提取，提出利用激光微多普勒手段增强导弹目标辨识能力的方法。设计了一种基于偏振分光的激光发射/接收/电视共孔径系统，这种能够二级稳定的系统适应于弹载环境，利用光纤选通完成光程自动补偿，实现相干光匹配，采用本振/回波信号相干法，用线宽300 Hz的本振光调制后形成探测脉冲光，可提高探测距离，并避免回波与本振光因大气衰减而导致的错峰，由FPGA/DSP构建的傅里叶变换电路可获取时频曲线信号，频移为36 kHz时可实现目标的辨识。     

基于复数经验模式分解的空中颤振目标成像

针对毫米波雷达照射条件下,逆合成孔径雷达成像过程中目标主体颤振引起的微多普勒效应对成像造成的干扰问题,在建立颤振目标成像模型、分析目标颤振对回波造成的微多普勒调制以及对成像的影响的基础上,提出了基于复数经验模式分解的颤振目标成像方法.该方法利用复数经验模式分解的自适应特性,将目标回波信号分解为多个不同频率的分量信号;进而采用复杂度的概念对各分量信号进行区分;并结合各分量信号所占的能量百分比,剔除微动信号分量,有效消除了由于目标颤振所造成的微多普勒调制.采用复杂度与能量百分比相互结合的方法有效地提高了准确度和空中颤振目标的成像质量.     

声光移频器对微多普勒效应探测的影响研究

为实现基于微多普勒效应的远距离目标探测和识别,研究了采用声光移频器的激光外差相干探测结构对目标微多普勒特征探测的影响。建立了声光移频器驱动功率与系统信噪比之间的数学模型,并进行了仿真计算,搭建了1550 nm激光外差/零差相干探测实验平台对所建模型进行了验证。研究结果表明:在移频器驱动电压限定范围内,驱动电压越高,对微多普勒效应探测的效果越好,得到的目标特征越明显,与理论分析一致。通过对比实验发现在同样条件下,外差探测得到的反映目标特征的时频分布曲线较零差的清晰,特征提取误差小,可读性更高,说明外差探测结构更有利于复杂的远距离目标探测。     

天然源超低频频谱的曲波分解与分析

由于天然源超低频电磁探测仪器接收的是宽频段多源信号,如何进行信号的分解以将干扰信号滤除,是利用天然源超低频电磁探测技术进行实际探测应用的关键。北京大学自主研发的天然源超低频电磁探测仪器,以山西沁水盆地煤层气探测数据为研究对象,将曲波变换的方法应用在超低频电磁探测频谱的分解上。分解结果表明,曲波变换分解出的高频信息主要是探测仪器直接接收的大气层雷电产生的干扰信号,而低频信息层则主要包含了地下的探测目标信息。基于此,以低频信息为基础重构后的探测频谱曲线相对于原始探测曲线来说,更有利于探测目标的解释。但是对于由于人工工频所引起的干扰信号,该方法并不能有效去除,在实际应用中需要结合其他数据处理方法一同进行。     

基于激光差动多普勒效应的微机电系统动态测试技术

提出了一种用于测量微机电系统(MEMS)器件瞬时速度、位移的测量系统。采用激光差动多普勒技术,检测谐振器在平面内的振动,测量垂直于系统测量光轴方向的振动速度。并在差动多普勒测量光路的基础上加入了CCD监测光路,实时观察被测器件调整过程和振动情况。通过处理电路从光学系统输出的高频信号中提取多普勒信号,利用Labview和Matlab软件对采集的多普勒信号进行时频分析,得到被测器件的运动参量。通过对测点的微定位,对MEMS器件进行整平面的扫描,得到器件振动的瞬时速度场,为进一步对MEMS器件的高阶谱振动分析及扭转分析提供了一定的基础和必要的支持。     

基于HHT变换的起动电动机特征信号时频分析

针对车辆起动电动机电气和机械故障发生时特征信号的时变不平稳特性,进行了时频域分析处理,提出了利用现代信号处理方法对故障信号提取特征向量的方法,主要对起动电动机的电枢和轴承故障进行诊断。在构建电机故障测试实验平台的基础上,利用破坏性实验构造了故障类型,测取了电枢电流和振动信号,分别采用小波分析理论和HHT变换对信号进行分析,通过分解再重构的方式将信号分解成了频率由高到低的不同分量,并获得了故障的特征频率,提取了特征向量。实验结果表明,基于HHT变换的现代信号处理方法在处理时变非平稳信号方面比小波分析理论更具有自适应性,更易识别。     

阵列结构下的低频信号合成方法研究

基于高频天线产生低频电磁波信号,实现多波段信号对目标的照射,不仅有可能减小低频天线尺寸,而且可能成为提高雷达目标探测性能的一种途径.本文将多普勒效应与阵列天线结构相结合,基于对阵列中各辐射单元的信号时序、相位和间距等参数的控制,提出了一种在目标区产生低频信号的方法.本文给出了阵列参数的选择原则,介绍了目标位于阵列方向和45°角扫描时的低频信号合成情况,对存在辐射单元间距误差、相位误差、目标偏离预定位置以及等间隔稀疏条件下的合成信号性能进行了分析,并采用峰值旁瓣比和积分旁瓣比来评价合成信号的性能.将频率1 GHz载波信号合成为频率400 MHz信号的仿真分析结果,表明了本文方法的有效性.     

基于EMD-AWPP和HOSA-SVM算法的分布式光纤振动入侵信号的特征提取与识别

针对传统的信号处理方法无法有效区分不同振动入侵信号,提出一种基于EMD-AWPP和HOSASVM算法的振动信息特征提取与识别方法,用于解决分布式光纤振动入侵检测系统的高精度信号识别问题。处理不同振动类型时,该方法首先利用基于经验模态分解的自适应小波包处理算法,不仅对信号的低频部分进行了分解,而且对高频部分即信号的细节部分也进行了更好的时频局部化处理,改善了信号特征提取精度,减少传感信号异常值的影响;其次采用高阶谱分析中的双谱和双相干谱,精确提取包含不同振动入侵信号类型的特征矢量;最后在BPNN参比模型的基础上,用粒子群算法优化SVM的识别参数,使识别模型具有更强的自适应和自学习能力,克服了神经网络易陷入局部最优的不足之处,实现不同振动入侵信号的特征矢量识别。分析结果表明,针对不同类型的入侵源识别,该方法可以有效剔除随机噪声的影响,提取传感信息的特征矢量,降低异常值的影响,算法的预测类别与输出类别几乎一致,振动识别的精确率达到95%以上,识别效果明显强于BPNN网络的检测算法,提高了信息分析的准确性。     

Detection on micro-Doppler effect based on 1550 nm laser coherent radar

A laser coherent detection system of 1550 nm wavelength was presented, and experimental research on detecting micro-Doppler effect in a dynamic target was developed. In this paper, the return signal in the time domain is decomposed into a set of components in different wavelet-scales by multi-resolution analysis, and the components are associated with the vibrational motions in a target. The micro-Doppler signatures are extracted by applying the reconstruction (inverse wavelet transform). During the course of the final data processing frequency analysis and time–frequency analysis are applied to analyze the vibrational signals and estimate the motion parameters successfully. The experimental results indicate that the micro-Doppler information in a moving can be effectively detected, and tiny vibrational signatures also can be acquired effectively by wavelet multi-resolution analysis and time–frequency analysis.     

基于最大似然的单通道交叠激光微多普勒信号参数分离估计

利用激光对目标微弱振动进行探测有利于获得明显的微多普勒效应,这为精确估计目标微动特征参数,实现对目标的分类和精细识别提供了可能.但对于多散射点或多目标激光探测,信号为单通道多分量微动混合的形式,而且补偿目标主体运动后,数值上相近的微动参数还会导致信号在时频域存在严重的交叠.为从这类混合信号中精确估计各分量的微动参数,本文提出了基于最大似然框架的参数分离估计方法.利用精细化扫描的奇异值比谱法从混合信号中获得目标微动频率,并得到各分量的幅值比信息.推导了微动参数最大似然估计的解析表达形式,根据激光微多普勒信号的特点从频谱能量分布的角度重新设计了似然函数,解决了传统似然函数在激光微动信号中出现的高度非线性问题,降低了初始化的要求,提高了抗噪性能,并采用马尔可夫-蒙特卡罗方法具体实现了参数的估计.在微动参数得到估计的基础上给出了信号的幅值和初相的估计方法.用本文方法对仿真和实验数据进行处理,得到了接近克拉美罗下界的估计结果,验证了方法的有效性.与传统非参数化估计方法的对比结果体现了所提方法对混合微动参数精确估计上的优势.     

激光微多普勒探测系统中降低相位噪音影响的方法研究

相干微多普勒激光雷达具有探测灵敏度高、探测信息量大等特点,特别适合于动目标探测、目标特征识别等应用.本文从线宽和探测距离两个方面讨论了模场相位随机起伏（相位噪音）对于测速准确度的影响,实验证实了相位噪音对激光微多普勒探测的影响,并探索出解决上述问题的方法——光纤补偿法.实验中,以输出波长为1.064 μm单块非平面环形腔激光器为光源,利用光纤补偿方法,并结合时频变换的算法,用外差探测的方式成功观测到了微多普勒频移,在传输距离为11 km时,系统最低探测速度达到了0.5 mm/s,速度分辨率达到了mm/s量级,频率分辨率达到了kHz量级,为微多普勒激光雷达的实际应用奠定了良好的实验基础.     

时频分析在激光多普勒信号处理中的应用

建立了用来检测微机电系统谐振器面内运动的激光差动多普勒系统,测量了谐振器的振动速度。在信号处理过程中,首先使用电路系统去除高频载波成分,然后基于Matlab平台,选取时频分析中的Wigner-Ville分布对采集进入计算机的多普勒信号进行分析。提取了其中的速度信息,并与用计数法处理的结果进行了比较。结果表明具有较好的效果。     

运动目标激光微多普勒效应平动补偿和微动参数估计

利用激光探测微多普勒效应可以精确估计微动参数,有利于实现目标的准确分类和精细识别.运动目标的微多普勒效应是一种由多项式相位信号模型与正弦调频模型组成的混合信号.对于这类混合信号中的微动参数估计目前还未提出有效的方法.对此,本文提出一种基于分数阶傅里叶变换(Fr FT)的平动补偿方法,通过设计对Fr FT参数域的带宽搜索方法,可以从混合信号中精确估计平动参数,实现平动和微动的分离;通过设计静态参数粒子滤波器,从补偿后的信号中准确估计了微动参数;针对静态参数模型,采用马尔可夫-蒙特卡罗方法增加粒子多样性,并利用累积残差定义新的粒子权重计算函数,保证了算法在对多维参数估计时的快速有效收敛,避免了参数分别估计时误差传递的影响.通过仿真分析对比和实验数据,验证了本文所提补偿和参数估计算法的有效性.     

混响背景下低秩矩阵恢复的目标亮点特征提取

有源声呐探测水下目标时,混响干扰增加了从目标回波信号中提取目标亮点特征的难度.依据目标回波与混响在时频域上能量分布的相关性不同,采用自适应核时频分析方法将目标回波信号变换到时频域上进行分析.通过低秩矩阵恢复方法将目标回波与混响分到稀疏矩阵和低秩矩阵中,从而分离目标回波与混响,降低混响对回波信号的干扰.针对稀疏矩阵采用Hough变换提取回波中的亮点峰,得到目标的亮点特征。通过仿真和实验数据证明在较低信混比情况下通过低秩矩阵恢复方法能够在时频域上进一步区分目标回波与混响,达到抑制混响的目的,便于获取目标亮点特征。      

三种谐波族检测算法的性能对比

基于高阶累积量谱、时序循环平稳信号分析、时频面Hough变换等预处理方法,给出了相对应的三种谐波族信号基频搜索与检测算法,并在2阶、4阶、8阶谐波情形下,应用于受白噪声污染的模拟谐波族信号、实测无人机信号和实测直升机信号等三种谐波族信号的检测概率的计算。计算结果表明,随着阶数的提高,三种算法对目标的检测性能均有所提高;对于上述三种不同信号,其基频搜索与检测能力最好的算法有所不同。所给出的谐波族信号基频搜索与检测算法将在直升机、无人机等目标的检测应用中发挥更好的作用。     

基于频散特征的单水听器模式特征提取及距离深度估计研究

针对浅海环境中低频宽带水声脉冲信号, 研究基于频散特征结合时频分析的单水听器距离和深度估计方法. 以简正波理论为依据, 将单水听器上的接收信号表示成一系列传播模式之和的形式, 分析了经典波导环境下的频散现象, 采用自适应径向高斯核函数的时频分析方法来表征接收信号的频散特征. 为提高时频分辨率, 采用自适应径向高斯核函数的时频分布来提取频散关系曲线中传播模式的到达时间差, 利用模式的到达时间差估计声源的距离. 采用多模式联合匹配的方式, 通过二值掩模滤波的时频滤波方法, 提取所需的模式. 通过计算实际提取出的模式能量与预测的模式能量之间的误差, 建立代价函数, 并通过模式能量匹配的方式, 确定声源的深度. 通过对基于Pekeris波导模型的浅海环境进行仿真验证, 结果表明: 自适应径向高斯核函数的时频分析方法能够很好地反映信号本身的频散特征, 具有较高的时频分辨率, 克服了传统短时傅里叶变换时频表征的限制, 使得模式在时频域更加容易辨识和分离; 从测距效果来看, 不同模式组合下的距离估计结果不同, 采用在时频面上具有较高能量的模式, 可得到较为准确的距离估计; 选用高能量的模式所得的距离估计的相对误差小于2%. 在定深方面, 参与联合匹配的模式个数越多, 代价函数的峰值更加地尖锐, 同时具有低的伪峰, 深度估计的性能会进一步有所提升. 该工作对于研究低频水声脉冲信号的分离和提取具有重大意义. 关键词： 频散信道 时频分析 单水听器 定位     

Nonlinear real-life signal detection with a supervised principal components analysis

A novel strategy named supervised principal components analysis for the detection of a target signal of interest embedded in an unknown noisy environment has been investigated. There are two channels in our detection scheme. Each channel consists of a nonlinear phase-space reconstructor (for embedding a data matrix using the received time series) and a principal components analyzer (for feature extraction), respectively. The output error time series, which results from the difference of both eigenvectors of the correlation data matrices from these two channels, is then analyzed using time-frequency tools, for example, frequency spectrum or Wigner-Ville distribution. Experimental results based on real-life electromagnetic data are presented to demonstrate the detection performance of our algorithm. It is found that weak signals hidden beneath the noise floor can be detected. Furthermore, the robustness of the detection performance clearly illustrated that signal frequencies can be extracted when the signal power is not too low.