激光雷达微多普勒效应的仿真研究

为了研究激光雷达中微多普勒效应的探测及其雷达回波信号中反应目标特征的微多普勒信息的提取问题,建立了激光雷达微多普勒效应的物理模型,对应用激光雷达探测由目标振动引起的微多普勒效应进行了仿真,并对仿真信号进行了分析,由于信号的时变性,引入了时-频域联合分析的方法。采用了短时傅里叶变换方法对仿真信号进行了时频分析,得到了能够较好地反映目标特征的微多普勒图像。结果表明,激光雷达适合于低振幅微多普勒效应的探测,应用时频分析方法能够有效地从雷达回波信号中提取出目标的微多普勒特征。     

激光微多普勒效应探测系统

建立了激光微多普勒效应探测系统,开展了利用激光微多普勒效应探测运动目标微小振动的实验研究.特征提取的结果表明:时-频分析方法适合于时变微多普勒信号的分析,能够有效地提取出运动目标的振动特征.     

激光微多普勒探测运动目标复合振动的实验研究

建立了激光微多普勒效应探测系统,开展了激光微多普勒效应探测运动目标复合振动的实验研究.实验结果的频谱分析和时-频域的联合分析表明:利用激光微多普勒效应,可以有效地探测目标的复合振动,为目标的探测、分类和识别奠定了基础.     

复合微多普勒效应中几种时频方法的比较

为了研究复合振动目标微多普勒信号中目标振动特征的提取问题,进行了激光微多普勒效应探测运动目标复合振动的实验研究,对实验结果的时频域的联合分析表明:时频分析方法能够较好地分析出运动目标复合振动的微多普勒特征。运用短时傅里叶变换(STFT)、Winger分布(WD)、Winger-Ville分布(WVD)和重排平滑伪Winger-Ville分布(RSPWVD)对微多普勒信号进行了时频分析,并对结果进行了比较。结果表明:重排平滑伪Winger-Ville分布(RSPWVD)能较好地揭示微多普勒信号的特征,是一种有效的时频分析方法。     

激光测速雷达下振动目标运动状态分析与仿真

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度。本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应。建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性。最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用。     

Study and simulation of vibrating target's motion states based on Doppler lidar

激光雷达微多普勒效应在对目标探测、识别中测量精度高、抗干扰能力强,比传统微波雷达拥有更高的空间分辨率和灵敏度.本文基于激光探测,从理论上分析了振动物体在行进过程中产生的多普勒和微多普勒效应.建立典型运动模型,通过目标信号的频移图和频谱图可以很好地观测物体运动状态、分析振动特性.最后,在simulink下进行过程仿真并验证其有效性,对目标的识别和运动特性提取起到积极的作用.     

运动目标微多普勒效应的激光雷达相干探测及特征提取

在建立口径为200mm,波长为1550nm的全光纤型激光相干雷达探测系统的基础上,展开对运动目标微多普勒效应的实验研究。对实验获取信号进行频谱分析和时域-频域联合分析的结果表明,时间-频域联合分析方法可有效地提取运动目标的微多普勒效应特征,从而得到目标在20～2000Hz的振动特征。利用这些特征可区分和识别不同运动目标,为目标的探测、分类和识别提供了一条有效的途径。     

转动目标光学微多普勒效应的仿真研究

为了研究转动目标激光雷达回波信号中目标运动特征的提取问题,建立了转动目标微多普勒效应的点散射模型,并进行了仿真研究,获得了激光雷达探测转动目标的回波信号图.针对转动目标雷达回波信号成分复杂,采用一般的时频分析方法信号可读性差的问题,提出了应用时频分析的重排算法来分析信号,获得了良好的时频特性,估计出了目标的相关运动参数,证明了该方法用于分析转动目标微多普勒信号的有效性,为利用雷达回波信号的时频特征实现转动目标的识别奠定了基础.     

转动目标微多普勒效应的激光相干探测

建立了激光雷达探测运动目标转动结构微多普勒效应的数学模型,利用这套波长为1550nm的激光相干雷达探测系统,展开了应用激光微多普勒效应探测运动目标的实验研究和转动特征提取的方法研究.对目标的转动部分(如直升飞机的旋转叶片)不同运动状态进行了实验研究,采用频域分析和时频分析相结合的方法,对目标仅有转动部分运动和整体平动加...     

线性调频步进信号雷达微多普勒效应分析及目标特征提取

研究了线性调频步进信号体制下雷达目标的微多普勒效应,分析了距离像走动和卷绕现象,并重点讨论了旋转和振动形式的微动引起的微多普勒效应,推导出了其在距离-慢时间平面的解析表达式.在此基础上,提出利用推广的Hough变换法并结合时频分析来提取微多普勒特征的方法,并详细论述了不同旋转(振动)频率和半径(振幅)情况下的处理算法.仿真实验验证了文中微多普勒效应理论分析和特征提取方法的正确性.     

Detection on micro-Doppler effect based on 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 the study, the return signal in the time domain is decomposed into a set of components in different wavelet scales by multi-resolution wavelet analysis, and the components are associated with the vibrational motions in a target. Then micro-Doppler signatures are extracted by applying the reconstruction. 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 system can effectively detect micro-Doppler information in a moving target, and the tiny vibrational signatures also can be acquired effectively by wavelet multi-resolution analysis and time-frequency analysis.     

双天线旋转目标微多普勒特征分析

在旋转目标的飞行过程中,目标的旋转会在回波信号中产生微多普勒调制。合作式的旋转目标常通过机载应答机进行信息传输,理论与仿真分析发现在双天线信号传输模式中,弹体的遮挡效应会对接收信号中的微多普勒调制产生影响。通过建立应答式目标的微多普勒模型,分析应答机天线相对位置与微多普勒相位特征的关系,推导了双天线条件下地面接收信号的微多普勒调制特征,给出了对应时频特征下的接收信号模型,并分析了天线切换带来的实测信号间断性问题,结合信号时频特征提出下一步可行的信号处理方法。     

基于同步压缩短时傅里叶变换的微型无人机识别

针对利用雷达微多普勒效应的微型无人机识别问题,提出了一种基于同步压缩短时傅里叶变换(Synchrosqueezing Short-Time Fourier Transform,SSTFT)的分类识别方法.首先对无人机的微多普勒回波信号进行SSTFT从而获得信号时频谱,然后对时频谱进行多维度特征提取获得回波信号的时频特征...     

基于时频集中度指标的多旋翼无人机微动特征参数估计方法

无人机旋翼转动产生的微多普勒调制能够反映此类目标的微动特性,准确估计无人机旋翼长度、转动频率对于无人机的检测与识别具有重要意义。该文针对调频连续波体制雷达,提出一种基于时频集中度指标(CTF)的多旋翼无人机微动特征参数估计方法,推导了无人机旋翼微动特征参数与微多普勒分量信号参数之间的映射关系,在时频旋转域基于时频集中度指标,提高了各微动分量的区分度,相比于传统方法,提高了多分量微多普勒信号的参数估计精度,在低信噪比环境下也具有很好的鲁棒性。通过仿真和实际场景实验验证了方法的有效性。     

基于双通道GoogLeNet网络的旋翼无人机分类

针对利用雷达微多普勒效应的旋翼无人机识别问题,提出了一种基于双通道GoogLeNet网络的分类识别方法。首先对旋翼无人机的回波信号进行短时傅里叶变换（Short-Time Fourier Transform,STFT）从而获得信号时频谱,对时频谱沿时间轴进行傅里叶变换得到节奏速度图（Cadence-Velocity Diagram,CVD）。然后将时频图和CVD作为双通道GoogLeNet网络的输入进行特征提取用以获得回波信号的时频域和节奏速度域的特征,最后将所获得的特征输入到Softmax分类器中进而实现旋翼无人机的分类识别。基于实际雷达数据的实验结果表明,所提旋翼无人机分类方法准确率可达到98.9%。