張金元+張晶+付慶霞

摘 要 超寬帶雷達(dá)對葉簇具有較強(qiáng)的穿透性，對葉簇后處于徑向運(yùn)動的人體目標(biāo)具有較好的探測能力，首先采用脈沖積累與小波聯(lián)合去噪的方法提高信噪比；然后提出EMD方法，對信號進(jìn)行分解重構(gòu)來提取運(yùn)動人體目標(biāo)信號，最后利用幅度排序點(diǎn)跡凝聚算法進(jìn)行航跡提取。實驗結(jié)果表明提出算法可以有效提高信噪比和信雜比并得到理想的檢測結(jié)果。

【關(guān)鍵詞】超寬帶雷達(dá) 葉簇隱蔽目標(biāo)檢測 小波變換 EMD分解

超寬帶雷達(dá)其信號具有豐富的低頻分量，可穿透葉簇探測叢林目標(biāo)，并具有測距精度高、穿透能力強(qiáng)、分辨能力高、反隱身能力好等優(yōu)點(diǎn)。本文應(yīng)用脈沖積累與小波聯(lián)合去噪的方法提高信噪比，小波變換由于具有時頻局部化，小波基選擇的靈活性，計算速度快，適應(yīng)性廣，成為信號去噪的一個強(qiáng)有力的工具；EMD分解方法可以更準(zhǔn)確有效地掌握原數(shù)據(jù)的特征信息，重構(gòu)出有用信息，去除靜物雜波和部分噪聲，提取運(yùn)動人體目標(biāo)信號。最后應(yīng)用幅度排序點(diǎn)跡凝聚算法來提取人體運(yùn)動軌跡。

1 脈沖積累與小波變換級聯(lián)去噪方法

首先把輸入信號進(jìn)行適當(dāng)?shù)拿}沖積累來提高信噪比，然后再利用小波變換方法進(jìn)行去噪，去除高頻噪聲。

運(yùn)動目標(biāo)信號本質(zhì)上是一個低頻信號，經(jīng)小波變換后，它的小波變換系數(shù)在某些尺度上具有較大的幅值。而噪聲的頻帶大大寬于信號的頻帶。因此噪聲在小波變換系數(shù)上的表現(xiàn)與信號相反。根據(jù)這種情況，利用某尺度下小波變換中的低頻系數(shù)來重建信號，直接舍棄信號在其他尺度上的系數(shù)分量，可使得信號的噪聲部分被削弱。

2 EMD分解重構(gòu)

應(yīng)用EMD方法對去噪后的信號依特征尺度分解成從低頻到高頻的幾組固有模態(tài)，選出符合人體運(yùn)動范圍內(nèi)的模態(tài)累加求和，進(jìn)一步提高信噪比。

該方法將一個給定的信號月y（t）分解成L個IMF分量hi（t）和一個殘余分量rL（t），每個IMF代表了信號y（t）在某個尺度上的細(xì)節(jié)。

IMF的篩分過程是一個迭代的過程，對于第j次迭代，rj-1（t）為當(dāng)前殘余分量，并且當(dāng)j=1時，有r0（t）=y（t）。

（1）令hj，i（t）=rj-1（t），i=1；

（2）求hj，i（t）的極大值和極小值，并利用3次樣條插值求得極大值確定的上包絡(luò)線和極小值確定的下包絡(luò)線；

（3）求上下包絡(luò)線的均值mj，i（t）；

（4）更新hj，i+1（t）=hj，i（t）-mj，i（t），i=i+1；

（5）判斷hj，i（t）是否滿足IMF的兩個條件，若滿足，則hj（t）=hj，i（t）為第j階IMF分量，若不滿足，重復(fù)步驟（2）-（4）；

（6）更新殘余值rj（t）=rj-1（t）-hj（t），j=j+1，如果rj（t）中的極值點(diǎn)少于兩個，終止迭代，否則，從第1步開始繼續(xù)迭代過程。

篩分過程結(jié)果為各階IMFhj（t）和殘余值rL（t）的組合：

3 點(diǎn)跡凝聚算法

文中在形成目標(biāo)航跡之前應(yīng)用了幅度排序點(diǎn)跡凝聚算法。排序器首先對點(diǎn)跡幅度值進(jìn)行了大小排序，再選擇排序后的前m個點(diǎn)跡作為目標(biāo)的一種估計。為保證鄰近的或者交叉的目標(biāo)不凝聚到一個點(diǎn)跡中，最有特征的區(qū)別是多普勒頻率值。具體步驟為：

（1）選擇出距離上相鄰的點(diǎn)；

（2）連續(xù)點(diǎn)跡多普勒差值小于門限值，這個門限的確定要根據(jù)雷達(dá)濾波器精度來確定；

（3）相鄰點(diǎn)跡幅度差不大于某個門限，這個差值的大小取決于脈沖寬度和脈內(nèi)取樣點(diǎn)，超過脈寬的相鄰點(diǎn)可能由副瓣引入；

（4）根據(jù)凝聚后得到的點(diǎn)跡進(jìn)行平滑處理得到目標(biāo)的航跡。

該方法是在質(zhì)量中心算法的基礎(chǔ)上更加突出了幅度值大的點(diǎn)跡，主要是為了避免大量偏離中心的回波較小虛假點(diǎn)跡影響目標(biāo)凝聚的效果。

4 實驗結(jié)果與分析

如圖1-3所示為雷達(dá)數(shù)據(jù)矩陣，橫坐標(biāo)為快時間，即距離維；縱坐標(biāo)為慢時間，即時間維。從圖中可以看出紋路為人當(dāng)前時刻所在的位置。圖1中的豎條紋路為靜止物體回波，處理后的數(shù)據(jù)中仍然含有較嚴(yán)重的靜止物體雜波，因此引入了EMD分解重構(gòu)的方法去除雜波。從圖2可以看出該方法不僅可以有效去除靜物雜波，而且還有二次去噪的作用。

最后進(jìn)行幅度排序點(diǎn)跡凝聚算法進(jìn)行航跡提取。點(diǎn)跡凝聚算法對目標(biāo)航跡的形成產(chǎn)生了極大地改善作用。如圖3所示，由于實驗過程中人體采用繞過葉簇的方式行走，在繞行的過程中超出了雷達(dá)的探測范圍，因此運(yùn)動軌跡在20米的葉簇處消失，直至進(jìn)入雷達(dá)的探測范圍后軌跡重新出現(xiàn)。最終獲得了理想的檢測結(jié)果。

5 結(jié)束語

本文研究了超寬帶雷達(dá)葉簇隱蔽目標(biāo)運(yùn)動人體檢測跟蹤技術(shù)，首先應(yīng)用脈沖積累與小波聯(lián)合去噪以及EMD分解重構(gòu)方法提高SNR，再利用幅度排序點(diǎn)跡凝聚算法提取出了人體運(yùn)動軌跡。文中最后通過實測數(shù)據(jù)驗證了該算法的有效性，得到了滿意的檢測結(jié)果，具有較好的工程實用意義。

參考文獻(xiàn)

[1]李超，李悅麗，安道祥，王廣學(xué).基于視覺注意機(jī)制的UWB SAR葉簇隱蔽目標(biāo)變化檢測[J].電子學(xué)報，2016，44（01）：39-45.

[2]陳小莉，郭靜，田茂.小波分析在穿墻雷達(dá)回波奇異性檢測的應(yīng)用[J].武漢大學(xué)學(xué)報，2010，56（04）：487-490.