[发明专利]一种基于经验模态分解提取信号微多普勒调制分量的方法

说明书

本发明涉及信号处理技术领域，公开了一种基于经验模态分解提取信号微多普勒调制分量的方法，首先利用经验模态分解方法将回波中的杂波分量自适应的抑制，然后利用循环移位算法将回波中的平动分量移到多普勒频率为零处，最后再次利用经验模态分解算法将平动分量和微多普勒调制分量自动区分，本发明对微多普勒调制的提取不需要人工参与并且能够保持回波中的多普勒结构信息，从而提升依据微多普勒调制特性进行目标分类识别的正确率。

技术领域

本发明涉及信号处理领域，尤其涉及一种基于经验模态分解提取信号微多普勒调制分量的方法。

背景技术

目标在运动过程除了平动会对信号产生多普勒调制外，其上的转动部件同样会对信号产生额外的调制现象，称为微多普勒调制，例如车辆行驶过程中车轮的转动，人走路时四肢的摆动等。微多普勒调制中包含着转动部件的结构、尺寸等信息，可以利用这些信息实现对目标的分类识别。

除了平动分量，微多普勒调制分量外，目标回波中不可避免的会混杂着杂波分量，例如地杂波。平动分量和杂波分量的存在会对微多普勒调制分量产生影响，降低对目标分类识别的正确率。目前常用的方法是利用动目标显示(MTI)实现对目标回波中的杂波分量进行抑制，然后利用CLEAN算法将微多普勒分量和平动分量进行分离。该方法中，MTI由于具有非线性的幅度调制特性，会破坏目标的多普勒谱结构信息，降低识别性能，而CLEAN算法在分离平动和微多普勒分量时需要预先获取平动分量带宽的先验信息，降低了识别算法的自动化程度。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提出一种采用经验模态分解提取目标回波中微多普勒调制分量的方法，该方法不需要人工参与能够自动提取微多普勒调制分量，同时不会对回波多普勒谱结构产生影响。

本发明采用的技术方案如下：一种基于经验模态分解提取信号微多普勒调制分量的方法，包括以下步骤：

S1：对目标回波信号进行经验模态分解；

S2：将模态分解后的目标回波信号进行杂波抑制，得到杂波抑制信号；

S3：将杂波抑制后信号变换到频域得到多普勒频谱X，对X取模得到Y，并找到Y最大值点的位置；

S4：利用Y中最大值点的位置，对多普勒频谱X进行循环移位，将平动分量多普勒频谱移到多普勒频率为零处，得到

S5：将转换到时域得到

S6：利用经验模态分解将中的平动分量和微多普勒分量分离，提取微多普勒分量。

进一步的，所述S1具体包括以下步骤：

S11：目标回波信号为s＝[s₁,s₂,...,s_N]^T，其中s_k为s第k个时刻的值，k＝1,2,...,N，N为慢时间脉冲积累数，上标T表示矩阵转置；定义临时信号

S12：对进行逐点搜索，提取其中的所有局部极大值，并对极大值序列进行插值，得到的上包络

S13：对进行逐点搜索，提取其中的所有局部极小值，并对极小值序列进行插值，得到的下包络

S14：计算临时信号的包络均值

S15：从临时信号中减去包络均值，得到新的信号并更新临时信号

S16：重复步骤S12至S15，直到新的信号成为本征模函数，得到第一个本征模函数和剩余信号r₁＝s-m₁，并对剩余信号r₁迭代进行经验模态分解，得到分解结果：