[发明专利]一种基于变分模态分解的超宽带雷达回波信号预处理方法

权利要求书

1.一种基于变分模态分解的超宽带雷达生命回波信号处理办法，其特征在于，包括以下步骤：

通过超宽带雷达生命探测仪获取回波信号；

针对采集到的回波信号的特点，应用遗传变异粒子群寻优算法，对变分模态分解的重要参数α和K进行优化；

应用优化得到的参数α和K对原始信号进行VMD分解；

在K个IMF分量中根据雷达发射机发出信号的中心频率大小选择出对应的可用于信号重构的IMF分量，并进行信号重构；以及

对重构得到的信号进行简单的滤波处理，凸显出信号的本质特征，弱化噪声干扰，得到最终输出信号。

2.根据权利要求1所述的方法，其特征在于，所述遗传变异粒子群寻优算法包括：

假设在D维空间，初始化由n个粒子组成的粒子群X＝(X1,X2,…,Xn)，其中其中第i个粒子表示为一个D维向量X＝(Xi1,Xi2,…,XiD)T，以及对应粒子速度V＝(Vi1,Vi2,…,ViD)T；

根据给定的以互信息为支撑的适应度函数，计算每一个初始粒子的适应度函数，适应度函数表示如下；

其中，I(X；Y)为两个离散的随机变量X，Y之间的互信息，表示为：

p(x,y)是X和Y的联合概率密度函数，而p(x)和p(y)分别是X和Y的边缘概率密度函数，各模态分量之间的互信息之和为：

其中IMF(k)表示为原始回波信号f经VMD分解之后的第k个模态分量，K为此次VMD分解的模态数。

并且，各模态分量与原始信号f之间的互信息之和为：

根据各粒子的适应度函数值，寻找种群对应的个体极值T＝(Ti1,Ti2,…,TiD)T和当前种群的群体极值Pg＝(Pg1,Pi2,…,PgD)T；

根据所述个体极值和群体极值，通过公式(5)更新经过遗传变异之后的每一个粒子的运动速度，再通过公式(6)更新当前每一个粒子所在位置：

其中，ω为惯性权重；k为当前迭代次数；Vid为粒子速度；c1和c2是加速度因子；r1和r2是各自给定区间的随机整数；

重新计算当代粒子群体中每个粒子所在位置的适应度函数值，当代粒子群体的适应度函数与公式(1)中的适应度函数相同；

计算当代群体中的个体极值与群体极值，通过与当前的个体极值和群体极值比较，若当代某粒子为更优粒子，保留该粒子位置信息以及该粒子的适应度函数值，并将该粒子设定为最优粒子；

判断是否满足终止条件，如果满足终止条件，结束算法；如果不满足终止条件，重复上述步骤直到满足条件为止，所述终止条件为迭代次数；

提取出经过遗传变异粒子群寻优算法寻找到的最优参数α和K，寻优过程结束。

3.根据权利要求2所述的方法，其特征在于，初始化最大迭代代数为25代，粒子群中的粒子个数为20个，速度限定范围为[-3,3]，α范围为[200,3000]，并且K值范围为[3,12]。

4.根据权利要求2所述的方法，其特征在于，应用优化得到的参数α和K对原始信号进行VMD分解包括：

构造假设每个模态是具有中心频率的有限带宽，描述为寻求K个模态，使得每个模态的估计带宽之和最小，约束条件为各模态之和等于输入信号f的变分问题，模型为：

针对以上问题引入二次惩罚因子α和拉格朗日惩罚算子λ(t)，以保证信号在噪声环境下的重构精度，并将所述的约束性变分问题转换为非约束变性分问题，获得增广拉格朗日表达式如下：

应用交替方向乘子法对如上变分问题进行求解，通过迭代更新ukn+1、ωkn+1和λkn+1，寻求增广拉格朗日表达的“鞍点”，来获得约束变分模型的最优解。