王云良+王敏其

摘 要： 通過(guò)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的運(yùn)動(dòng)參量挖掘，實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)目標(biāo)的速度、時(shí)延、方位等信號(hào)源參量的準(zhǔn)確估計(jì)。傳統(tǒng)方法主要采用寬帶信號(hào)檢測(cè)方法實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘和估計(jì)，當(dāng)運(yùn)動(dòng)目標(biāo)的時(shí)頻特征具有窄帶特性時(shí)，對(duì)目標(biāo)運(yùn)動(dòng)參量估計(jì)精度不高。提出一種基于時(shí)頻分析的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘算法，構(gòu)建高速運(yùn)動(dòng)點(diǎn)目標(biāo)的信號(hào)回波模型，采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，對(duì)信號(hào)提取四階累積量時(shí)頻特征，直接獲取近場(chǎng)源的參量，通過(guò)時(shí)頻分析避免了譜峰搜索，減少對(duì)運(yùn)動(dòng)特征參量的挖掘計(jì)算量，提高參量估計(jì)精度。仿真結(jié)果表明，采用該算法進(jìn)行高速運(yùn)動(dòng)點(diǎn)目標(biāo)的運(yùn)動(dòng)參量挖掘和信號(hào)參量估計(jì)，能有效實(shí)現(xiàn)信號(hào)的抗干擾濾波，對(duì)運(yùn)動(dòng)目標(biāo)的時(shí)延、方位角等參量估計(jì)精度較高，展示了較好的應(yīng)用價(jià)值。

關(guān)鍵詞： 時(shí)頻分析； 運(yùn)動(dòng)目標(biāo)； 參量估計(jì)； 數(shù)據(jù)挖掘

中圖分類號(hào)： TN911.7?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2015）20?0031?04

High?speed moving point?target parameter mining algorithm based on

time?frequency analysis

WANG Yunliang1， WANG Minqi2

（1.Changzhou Institute oF Mechatronic Technology， Changzhou 213164， China； 2. Changzhou Wujin Wuyang Textile Machinery Co.， Ltd， Changzhou 213164， China）

Abstract： The accurate estimation for the speed， time delay and azimuth of high?speed moving target was realized by mining the motion parameters of the target. In view of the deficiency that traditional test method of broadband signal has low accuracy when time?frequency characteristics of the moving target has a narrow band feature， a new motion parameter mining method for high?speed moving point target based on time?frequency analysis is proposed. The echo signal model of high?speed moving point target was established. The denoise filtering processing for interference feature of moving target is carried out with cascade filtering algorithm. The fourth?order cumulant time?frequency characteristics of signals are extracted to obtain near?field source parameters directly， which avoided the spectrum peak search by time?frequency analysis， reduced the mining calculated quantity of motion characteristic parameters and improved the accuracy of parameter estimation. The simulation results show that the new method to excavate the moving target parameters and estimate the signal parameters can realize anti?interference filtering of signals effectively， and has high accuracy in parameter estimation of time?delay， azimuth， etc.

Keywords： time frequency analysis； moving target； parameter estimation； data mining

0 引 言

高速運(yùn)動(dòng)點(diǎn)目標(biāo)的速度和時(shí)延估計(jì)是實(shí)現(xiàn)目標(biāo)識(shí)別和檢測(cè)的基礎(chǔ)。雷達(dá)、聲納等目標(biāo)信號(hào)表現(xiàn)為一種高速運(yùn)動(dòng)的近場(chǎng)信源點(diǎn)目標(biāo)信號(hào)，為了準(zhǔn)確實(shí)現(xiàn)對(duì)目標(biāo)的方位估計(jì)，提高對(duì)運(yùn)動(dòng)目標(biāo)的識(shí)別和跟蹤打擊能力，需要對(duì)高速運(yùn)動(dòng)的點(diǎn)目標(biāo)信號(hào)進(jìn)行準(zhǔn)確的信號(hào)源參量估計(jì)。通過(guò)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的運(yùn)動(dòng)參量挖掘，實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)目標(biāo)的速度、時(shí)延、方位等信號(hào)源參量的準(zhǔn)確估計(jì)。相關(guān)算法的研究在聲納、通信、雷達(dá)等軍事領(lǐng)域具有重要的應(yīng)用前景和價(jià)值。通常，高速運(yùn)動(dòng)的點(diǎn)目標(biāo)信號(hào)按照一定方式排列在陣列近場(chǎng)源傳感器中，通過(guò)采樣接收空間時(shí)域信號(hào)完成相關(guān)估計(jì)。在此過(guò)程中，需要采用一定的信號(hào)處理算法，通過(guò)信號(hào)檢測(cè)和目標(biāo)參量估計(jì)，實(shí)現(xiàn)對(duì)運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘。類似參量估計(jì)和挖掘的主要特征以波達(dá)方向（Direction of Arrival，DOA）估計(jì)為代表。對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘?qū)⑾抻贒OA、距離、頻率參數(shù)的聯(lián)合估計(jì)，由此實(shí)現(xiàn)對(duì)聲納、雷達(dá)等目標(biāo)信號(hào)的識(shí)別和檢測(cè)[1]。

近年來(lái)，對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘方法研究受到了廣大學(xué)者的關(guān)注，提出了許多解決聲納、雷達(dá)等目標(biāo)信號(hào)參量估計(jì)和數(shù)據(jù)挖掘問(wèn)題的方法。傳統(tǒng)方法中，對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘方法主要有在時(shí)間域上和在頻域上進(jìn)行運(yùn)動(dòng)參數(shù)挖掘，采用時(shí)頻分析的數(shù)字信號(hào)處理方法，通過(guò)對(duì)運(yùn)動(dòng)目標(biāo)的時(shí)頻特征提取，實(shí)現(xiàn)高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量的速度、方位角、時(shí)延和頻率等參數(shù)的估計(jì)[2]。其中，文獻(xiàn)[3]提出基于多普勒擴(kuò)散頻繁項(xiàng)挖掘的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量估計(jì)算法，采用多普勒頻率模糊數(shù)搜索的方法進(jìn)行運(yùn)動(dòng)目標(biāo)的參量信號(hào)模型構(gòu)建和參數(shù)估計(jì)，實(shí)現(xiàn)對(duì)參量挖掘，擬合值與真實(shí)值接近，但是該算法存在計(jì)算開(kāi)銷(xiāo)較大，實(shí)時(shí)性不好的問(wèn)題；文獻(xiàn)[4]提出基于高階累積量的近場(chǎng)源參量估計(jì)的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘算法，算法的優(yōu)點(diǎn)在于能抑制高斯噪聲（白色或有色）提取非高斯信號(hào)，由于在參量估計(jì)中均使用二階統(tǒng)計(jì)量進(jìn)行陣列觀測(cè)信號(hào)的處理，改善了算法對(duì)運(yùn)動(dòng)特征參量的估計(jì)精度。但是該算法采用二維窮盡搜索進(jìn)行信號(hào)的時(shí)頻分析，當(dāng)目標(biāo)出現(xiàn)線性寬帶主動(dòng)脈沖輻射時(shí)，估計(jì)性能不好[5]。當(dāng)前方法主要是采用寬帶信號(hào)檢測(cè)方法實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘和估計(jì)，當(dāng)運(yùn)動(dòng)目標(biāo)的時(shí)頻特征具有窄帶特性時(shí)，對(duì)目標(biāo)運(yùn)動(dòng)參量估計(jì)精度不高。針對(duì)上述問(wèn)題，本文提出一種基于時(shí)頻分析的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘算法。首先構(gòu)建高速運(yùn)動(dòng)點(diǎn)目標(biāo)的信號(hào)回波模型，采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，對(duì)信號(hào)提取四階累積量時(shí)頻特征，直接獲取近場(chǎng)源的參量，通過(guò)時(shí)頻分析避免了譜峰搜索，減少對(duì)運(yùn)動(dòng)特征參量的挖掘計(jì)算量。最后通過(guò)仿真實(shí)驗(yàn)進(jìn)行了性能驗(yàn)證，以雷達(dá)目標(biāo)信號(hào)為實(shí)例進(jìn)行性能對(duì)比測(cè)試，展示了本文算法在實(shí)現(xiàn)高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘和估計(jì)中的優(yōu)越性能，得出了有效性結(jié)論。

1 高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信號(hào)模型和干擾濾波

1.1 高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信號(hào)模型構(gòu)建

高速運(yùn)動(dòng)點(diǎn)目標(biāo)信號(hào)常用在聲吶、合成孔徑雷達(dá)等信號(hào)檢測(cè)和目標(biāo)識(shí)別中，為了實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的運(yùn)動(dòng)參量挖掘，通過(guò)對(duì)目標(biāo)運(yùn)動(dòng)的時(shí)延、方位等參量的準(zhǔn)確估計(jì)，提高目標(biāo)識(shí)別能力，算法設(shè)計(jì)的第一步是要進(jìn)行目標(biāo)回波模型構(gòu)建。

通常情況下，高速運(yùn)動(dòng)點(diǎn)目標(biāo)表現(xiàn)為一組陣列信號(hào)，待估計(jì)信源均勻分布在陣列信號(hào)的接收基陣中，假設(shè)目標(biāo)回波信號(hào)模型為寬帶模型，給定一向量組[x1，x2，…，xn∈Cm]（m維復(fù)數(shù)空間），以通過(guò)信源的DOA和距離參數(shù)向量為線性組合的集合，這種線性組合的集合稱為由向量組[x1，x2，…，xn]張成的子空間，或稱作[x1，x2，…，xn]的張成，由于近場(chǎng)源波前的形狀隨陣元位置具有非線性變化特性，即有：

[spanx1，x2，…，xn=i=1naixiai∈C] （1）

假定由[N=2P]個(gè)陣元組成的等距線陣高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波模型，任意一個(gè)[m×n]維矩陣[A]的值域定義為：

[range（A）=y∈Cmy=Ax， if x∈Cn] （2）

如果[A=[a1，a2，…，an]]為一個(gè)列分塊矩陣，設(shè)陣列中心處的陣元坐標(biāo)為0，接收信號(hào)可表示為：

[xm（t）=i=1Isi（t）ejφmi+nm（t），-p+1≤m≤p] （3）

式中：[si（t）]為第[i]個(gè)高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信源的復(fù)包絡(luò)；[xm（t）]為陣元m接收陣列的子空間特征信號(hào)；[nm（t）]為加性干擾噪聲。噪聲分布[p（ekvk）]的方差和均值服從分布如下：[H0： x（t）=w（t）H1： x（t）=Et-∞+∞f（t-λ）bR（λ）dλ+w（t），-∞≤t≤+∞] （4）

高速運(yùn)動(dòng)點(diǎn)目標(biāo)信號(hào)中的加性色噪聲v（n）可以為高斯分布或非高斯分布，分析上述信號(hào)模型可見(jiàn)，目標(biāo)信號(hào)[xn]中只含有一個(gè)正弦分量，為：

[x（n）=Acos（0.3πn+φ）+v（n）] （5）

式中：相位[φ]在[-π，π]之間高斯分布，利用向量[W]和[Xk]之間的協(xié)方差隨機(jī)遞減特性，可以將目標(biāo)回波模型的時(shí)頻特征誤差信號(hào)[ε（k）]寫(xiě)成：

[ε（k）=d（k）-WTX（k）=d（k）-XT（k）W] （6）

考慮陣元接收到的信源[i]信號(hào)的相位差，高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信號(hào)的時(shí)延估計(jì)誤差平方為：

[ε2（k）=d2（k）-2d（k）XT（k）W+WTX（k）XT（k）W] （7）

上式兩邊取數(shù)學(xué)期望后，得到[φmi]的解析表達(dá)式為：

[φmi=2πriλ1+m2d2ri2-2mdsinθiri-1]

式中：[ri]，[θi]分別為待估計(jì)的第[i]個(gè)點(diǎn)目標(biāo)分布陣列的近場(chǎng)源時(shí)頻特征參量。構(gòu)建一個(gè)未知多重假設(shè)檢驗(yàn)判決模型，對(duì)上式進(jìn)行泰勒級(jí)數(shù)展開(kāi)，得到高速運(yùn)動(dòng)點(diǎn)目標(biāo)信號(hào)的速度參量均方誤差為：

[Eε2（k）=Ed2（k）-2Ed（k）XT（k）W+WTEX（k）XT（k）W] （8）

通過(guò)上述可見(jiàn)，構(gòu)建的高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信號(hào)模型的運(yùn)動(dòng)參量估計(jì)由DOA和距離兩個(gè)參數(shù)決定，通過(guò)參數(shù)估計(jì)實(shí)現(xiàn)對(duì)運(yùn)動(dòng)特征參量的挖掘，提高目標(biāo)識(shí)別能力。

1.2 干擾濾波處理

在上述進(jìn)行的高速運(yùn)動(dòng)點(diǎn)目標(biāo)信號(hào)回波模型構(gòu)建的基礎(chǔ)上，通過(guò)對(duì)信號(hào)的時(shí)頻分析可見(jiàn)，信號(hào)受到干擾作用，需要首先進(jìn)行降噪濾波設(shè)計(jì)[6]，本文采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，濾波器的結(jié)構(gòu)原理和實(shí)現(xiàn)結(jié)構(gòu)圖如圖1所示。

圖1 級(jí)聯(lián)濾波抗干擾設(shè)計(jì)

圖1中所示的二階格型陷波器結(jié)構(gòu)框圖中[7]，x（k）為觀測(cè)序列，它是由信號(hào)和背景噪聲共同構(gòu)成的，y（k）為除去正弦信號(hào)成分后的輸入信號(hào)，即為噪聲信號(hào)。陷波器的傳輸函數(shù)為：

[H（z）=1+az-1+z-21+arz-1+r2z-2， 0

當(dāng)陷波器的陷波頻率點(diǎn)落在x（k）中所含正弦信號(hào)的頻率處，傳遞函數(shù)改進(jìn)為：

[H（z）=1+sinθ22·1+2sinθ1z-1+z-21+sinθ1（1+sinθ2）z-1+sinθ2z-2] （10）

由于在陷波頻率處有：

[H（ejω0）=0] （11）

根據(jù)最小均方誤差準(zhǔn)則，即[Φ（ω0）=π]，于是可以得到：

[ejπ=V（ejω0） =sinθ2+sinθ1（1+sinθ2）ejω0+ej2ω01+sinθ1（1+sinθ2）ejω0+sinθ2ej2ω0=-1] （12）

分別估計(jì)前項(xiàng)預(yù)測(cè)誤差或后項(xiàng)預(yù)測(cè)誤差，得到陷波頻率為：

[ω0=θ1+π2， θ1<π2] （13）

選取不同的陷波器頻率參數(shù)[a]和帶寬參數(shù)[r]所得的幅頻響應(yīng)曲線，通過(guò)抗干擾設(shè)計(jì)，對(duì)各組成節(jié)點(diǎn)目標(biāo)信號(hào)進(jìn)行局部?jī)?yōu)化，當(dāng)[r→1]時(shí)陷波器的帶寬減小，同時(shí)陷波深度也減小，由此實(shí)現(xiàn)抗干擾濾波。

2 時(shí)頻分析及運(yùn)動(dòng)參量挖掘改進(jìn)實(shí)現(xiàn)

上述構(gòu)建的高速運(yùn)動(dòng)點(diǎn)目標(biāo)的信號(hào)回波模型，采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，針對(duì)傳統(tǒng)方法采用寬帶信號(hào)檢測(cè)方法實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量挖掘和估計(jì)，當(dāng)運(yùn)動(dòng)目標(biāo)的時(shí)頻特征具有窄帶特性時(shí)，對(duì)目標(biāo)運(yùn)動(dòng)參量估計(jì)精度不高的問(wèn)題，本文提出一種基于時(shí)頻分析的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘算法。算法改進(jìn)的原理是對(duì)信號(hào)提取四階累積量時(shí)頻特征，直接獲取近場(chǎng)源的參量，通過(guò)時(shí)頻分析避免了譜峰搜索，減少對(duì)運(yùn)動(dòng)特征參量的挖掘計(jì)算量。首先定義如下的四階累積量矩陣，結(jié)合高速運(yùn)動(dòng)點(diǎn)目標(biāo)的特征子空間元素，定義的四階累積矩陣為：

[C1m，n=cumx*m（t），xm+1（t），x*n+1（t），xn（t）] （14）

式中：“*”表示復(fù)共軛，對(duì)三次特征分解的參數(shù)進(jìn)行配對(duì)，推出信號(hào)的時(shí)頻分析結(jié)果為：

[P1=（AH2A2）-1AH2A1， P2=（AH3A3）-1AH3A1] （15）

根據(jù)[Γ]，[Ψ]，[r]三者的特征分解中特征值和特征向量是時(shí)頻級(jí)聯(lián)對(duì)應(yīng)關(guān)系，若用[C4S]表示由信源峰度組成的對(duì)角矩陣，那么高速運(yùn)動(dòng)目標(biāo)的時(shí)延特征值為[C4S=diagc4s1，c4s2，…，c4sI]，由于特征值與特征向量的排列次序是隨機(jī)的，則對(duì)于[0≤m，n≤P-1]，有：

[C1=AC4SAH] （16）

式中，[A]是一個(gè)維數(shù)為[P×I]的矩陣，其第[i]列矢量表示運(yùn)動(dòng)目標(biāo)的頻率特征參量：

[ai=1，ej2?i，…，ej2（P-1）?iT] （17）

為了估計(jì)信號(hào)的頻率，計(jì)算上述特征矢量組成的酉矩陣，得到高速運(yùn)動(dòng)目標(biāo)的DOA波動(dòng)向量的到達(dá)角和頻率的三維聯(lián)合估計(jì)結(jié)果，由信號(hào)子空間理論可知，采用時(shí)頻分析算法[7?8]，提高信號(hào)的檢測(cè)精度，由于高速運(yùn)動(dòng)點(diǎn)目標(biāo)的回波信號(hào)帶寬B遠(yuǎn)小于其中心頻率，那么通過(guò)時(shí)頻分析，得到空間狀態(tài)累計(jì)量矩陣[C2]，其元素[C2m，n]為：

[C2m，n=cumx*m（t+1），xm+1（t），x*n+1（t），xn（t）] （18）

分析回波信號(hào)的慢變相位調(diào)制函數(shù)，在時(shí)域數(shù)字特征中，計(jì)算實(shí)信號(hào)[x（t）]的方差，提取四階累積量時(shí)頻特征，直接獲取近場(chǎng)源的參量，參量[Φ，Ω，Λ]的挖掘結(jié)果分別為：

[Φ=diag[ej2?1，ej2?2，…，ej2?I]] （19）

[Ω=diag[e-j2γ1，e-j2γ2，…，e-j2γI]] （20）

[Λ=diag[ej2w1，ej2w2，…，ej2wI]] （21）

假設(shè)[I]個(gè)空間入射信號(hào)[si（t）]，對(duì)矩陣[C]作特征分解為：

[C=EΣEH] （22）

式中：[E=[e1，e2，…，e4P]]為由特征矢量組成的酉矩陣，由于高速運(yùn)動(dòng)點(diǎn)目標(biāo)入射到接收陣列的近場(chǎng)源數(shù)目[I]已知，把[Es]分成4個(gè)[P×I]的矩陣[E0]，[Ex]，[Ey]，[Ez]，即：

[Es=[e1，e2，…，eI]=E0ExEyEz] （23）

式中，對(duì)角元素與[Λ]的對(duì)角元素分別對(duì)齊，基于時(shí)頻分析，采用多普勒頻率模糊搜索的方法完成高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)時(shí)延信息、速度信息和相位信息等特征的聯(lián)合估計(jì)和挖掘，直接獲取近場(chǎng)源的參量，通過(guò)時(shí)頻分析避免了譜峰搜索，減少對(duì)運(yùn)動(dòng)特征參量的挖掘計(jì)算量，提高參量估計(jì)精度。

3 仿真實(shí)驗(yàn)與性能分析

為了測(cè)試本文設(shè)計(jì)的參量挖掘算法在實(shí)現(xiàn)高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量估計(jì)中的性能，下面進(jìn)行了仿真實(shí)驗(yàn)。實(shí)驗(yàn)的硬件環(huán)境為： Intel（R） 2.3 GHz CPU，2 GB內(nèi)存，32位Windows 7系統(tǒng)，基于Matlab 7編程平臺(tái)進(jìn)行算法設(shè)計(jì)。以雷達(dá)目標(biāo)信號(hào)為實(shí)例，以兩個(gè)陣元的合成信號(hào)為測(cè)試對(duì)此，假設(shè)高速運(yùn)動(dòng)的兩個(gè)點(diǎn)目標(biāo)陣元的兩個(gè)信號(hào)的頻率分別為200 Hz，100 Hz，波束采樣頻率為4 000 Hz，得到接收的目標(biāo)回波信號(hào)模型見(jiàn)圖2。

圖2 高速運(yùn)動(dòng)點(diǎn)目標(biāo)回波信號(hào)波形

由圖2中可見(jiàn)，原始的目標(biāo)回波信號(hào)波形受到的干擾較重，難以實(shí)現(xiàn)對(duì)運(yùn)動(dòng)參量的有效估計(jì)，采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，得到4次級(jí)聯(lián)濾波結(jié)果輸出如圖3所示。

圖3 抗干擾濾波輸出

從圖3可見(jiàn)，采用本文算法進(jìn)行信號(hào)濾波，能有效去除干擾噪聲，提高了信號(hào)的純度，進(jìn)而提高參量挖掘的準(zhǔn)確度。以此為基礎(chǔ)，對(duì)信號(hào)提取四階累積量時(shí)頻特征，進(jìn)行時(shí)頻分析，實(shí)現(xiàn)信號(hào)的特征參量挖掘，假設(shè)高速運(yùn)動(dòng)點(diǎn)目標(biāo)信源的方位角分別為10°，30°，距離分別為[0.6λ1]，[0.2λ2]，波速為1 500 m/s。實(shí)驗(yàn)中，假設(shè)高速運(yùn)動(dòng)目標(biāo)的方位變換快拍數(shù)為1 000，目標(biāo)回波接收基陣的陣元數(shù)為14，做50次Monte?Carlo實(shí)驗(yàn)，進(jìn)行參量估計(jì)仿真實(shí)驗(yàn)。為了對(duì)比算法性能，采用本文算法和傳統(tǒng)算法，以方位角和時(shí)延參數(shù)挖掘?yàn)槔?，得到結(jié)果如圖4和圖5所示。

從圖5可見(jiàn)，采用本文算法，參數(shù)挖掘的估計(jì)精度較高，擬合值與真實(shí)值相同，提高了對(duì)目標(biāo)參量的估計(jì)和識(shí)別能力。

圖4 方位角參量挖掘結(jié)果對(duì)比

圖5 時(shí)延參量挖掘結(jié)果對(duì)比

4 結(jié) 論

通過(guò)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的運(yùn)動(dòng)參量挖掘，實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)目標(biāo)的速度、時(shí)延、方位等信號(hào)源參量的準(zhǔn)確估計(jì)，本文提出一種基于時(shí)頻分析的高速運(yùn)動(dòng)點(diǎn)目標(biāo)運(yùn)動(dòng)參量挖掘算法。首先構(gòu)建高速運(yùn)動(dòng)點(diǎn)目標(biāo)的信號(hào)回波模型，采用級(jí)聯(lián)濾波算法對(duì)運(yùn)動(dòng)目標(biāo)的干擾特征進(jìn)行降噪濾波處理，對(duì)信號(hào)提取四階累積量時(shí)頻特征，直接獲取近場(chǎng)源的參量，最后通過(guò)仿真實(shí)驗(yàn)進(jìn)行了性能驗(yàn)證，以雷達(dá)目標(biāo)信號(hào)為實(shí)例進(jìn)行和性能對(duì)比測(cè)試。研究結(jié)果表明，采用本文算法能準(zhǔn)確實(shí)現(xiàn)對(duì)高速運(yùn)動(dòng)點(diǎn)目標(biāo)的參量估計(jì)和數(shù)據(jù)挖掘，精度較高，計(jì)算復(fù)雜度降低，提高了對(duì)高速運(yùn)動(dòng)目標(biāo)的識(shí)別和檢測(cè)能力，在目標(biāo)跟蹤識(shí)別和打擊等領(lǐng)域具有較好的應(yīng)用價(jià)值。

參考文獻(xiàn)

[1] 鄭紀(jì)彬，符渭波，蘇濤，等.一種新的高速多目標(biāo)檢測(cè)及參數(shù)估計(jì)方法[J].西安電子科技大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，40（2）：82?88.

[2] 靳曉艷，周希元，張琬琳.多徑衰落信道中基于自適應(yīng) MCMC 的調(diào)制識(shí)別[J].北京郵電大學(xué)學(xué)報(bào)，2014，37（1）：31?34.

[3] 鄧兵，陶然，平殿發(fā)，等.基于分?jǐn)?shù)階傅里葉變換補(bǔ)償多普勒徙動(dòng)的動(dòng)目標(biāo)檢測(cè)算法[J].兵工學(xué)報(bào)，2009，30（10）：1034?1039.

[4] 徐騫，梁紅.基于二階統(tǒng)計(jì)量的近場(chǎng)源四維參數(shù)聯(lián)合估計(jì)[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（23）：137?140.

[5] 張李一，張守志，施伯樂(lè).一種不確定性數(shù)據(jù)頻繁模式的垂直挖掘算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2012，33（2）：206?209.

[6] 劉立新，張曉琳，毛伊敏.一種有效的不確定數(shù)據(jù)概率頻繁項(xiàng)集挖掘算法[J].計(jì)算機(jī)應(yīng)用研究，2012，29（3）：841?843.

[7] 石鑫，周勇，胡光波.基于信號(hào)峰脊陡變調(diào)制的雷達(dá)測(cè)距算法[J].物聯(lián)網(wǎng)技術(shù)，2015，5（4）：12?14.

[8] 趙威.基于魚(yú)雷自導(dǎo)的艦船尾流回波模型建立方法[J].艦船電子工程，2013，33（4）：81?83.