[发明专利]基于L统计量和粒子群优化的微多普勒抑制方法

权利要求书

1.基于L统计量和粒子群优化的微多普勒抑制方法，其特征在于包括以下步骤：

步骤一：获取原始信号的短时傅里叶变换结果，即STFT值；

步骤二：对STFT值的绝对值进行排序，根据排序结果，在每个频率单元由高到低剔除一定比例的STFT值，此比例门限不低于50％；

步骤三：找到STFT值最大值点，将该位置的值及其两侧的d个采样单元的值去除；

步骤四：计算剩余能量；

步骤五：判断剩余能量是否大于阈值，若剩余能量值大于阈值，则kk＝kk+1，kk为刚体数目的计数器，并执行步骤三，若剩余能量值不大于阈值，则执行步骤六；

步骤六：判断kk是否大于零，若kk不大于零，结束，若kk大于零，则将原本剩余STFT值的中位数作为刚体的估计模值；

步骤七：初始化一系列粒子群，随机从[0,2π)中选择相位；

步骤八：计算每个粒子的适应性函数，根据适应度选择最佳粒子速度和位置，并判断迭代次数是否达到迭代阈值或适应性函数保持不变，若不符合，则根据位置和速度公式继续迭代更新下一代粒子群，若符合，则更新位置和速度信息，所述位置和速度公式为：

v_id(t+1)＝u*v_id(t)+c₁*rand()*[p_id(t)-x_id(t)]+c₂*rand()*[p_gd(t)-x_id(t)]

x_id(t+1)＝x_id(t)+v_id(t+1)，1≤i≤N,1≤d≤D

其中，搜索空间为D维度，粒子总数为N，X_i＝(x_i1,x_i2,...,x_iD)表示为第i个粒子的位置，v_id表示速度，P_i＝(p_i1,p_i2,...,p_iD)对应于第i个粒子历史经历过的位置中的最佳位置，P_g是P_i(i＝1,...,N)中全局最优位置，序号为g，c1,c2分别是符号为正的常数，即加速因子，rand()是一个0到1之间的随机数，u为惰性权因子；

步骤九：获取适应度最高的粒子群最为最后的估计结果，然后将所有恢复的样本沿时间维度求和，得到重建的刚体样本的FT，并将其作为最终刚体成分w1的频谱S_w1(k)的估计，令kk←kk-1并执行步骤六。

2.根据权利要求1所述的基于L统计量和粒子群优化的微多普勒抑制方法，其特征在于所述步骤一中短时傅里叶变换公式如下

其中，窗函数w(i)长度为M_w,s(i)是长度为M的信号，m和k分别是离散时间和频率的自变量，i是累加符号中的累加自变量。

3.根据权利要求1所述的基于L统计量和粒子群优化的微多普勒抑制方法，其特征在于所述步骤三的详细步骤为：

步骤三一：对剩余的STFT值求和，得到重建的傅立叶变换结果S_L(k)；

步骤三二：设置一个阈值ε，去掉m-D分量之后的信号能量的5％，并计算刚体反射器的长度，得到|d|≤1+2(M/M_w-1)，初始刚体反射器数目kk初始化为1，查找并记录S_L(k)对应的最大值，即刚体反射器位置，然后移除该最大值位置处及其两侧各d个采样单元的值。

4.根据权利要求3所述的基于L统计量和粒子群优化的微多普勒抑制方法，其特征在于所述步骤三一中重建的傅立叶变换结果S_L(k)的公式为：

其中，χ_k(m)是频率k在移除完最强的M-M_P个STFT点后剩下的M_P个STFT值。