基于微多普勒效应的旋转目标参数估计方法及系统

技术领域

本发明涉及雷达信号处理技术领域，具体地，涉及一种基于微多普勒效应的旋转目标参数估计方法及系统。

背景技术

微多普勒效应是指由目标部件和结构的微动引起的回波信号的频率调制，由于微多普勒效应包含丰富的目标物理几何结构和空间运动信息，被广泛应用于雷达目标检测与分类和微动监测等领域。通常情况下，微多普勒效应主要应用于旋转目标的检测。目标基带信号的微多普勒特征与目标旋转运动的周期性和目标的物理几何形状有关，是目标识别和参数估计的基础。目前，主要依靠时频联合分布来提取微多普勒特征并进行参数估计，时频分析往往受限于时频分辨率，之后许多算法被提出并用于提高时频分辨率，在一定程度上可以提高特征提取的精度，但是算法的复杂度和计算成本也大大增加。对于尺寸较小、转速较低的目标，其微多普勒特征往往被强直流干扰所淹没，所以依旧难以稳定高效地从时频联合分布中提取特征。因此，如何简单、高效、稳定地实现微多普勒特征提取和参数估计在实际应用中具有迫切的需求。另一方面，通过时频联合分布来特征提取和参数估计的方法是基于远场探测的条件，并且仅仅适用于一维叶片模型的目标，对于一些特殊的具有复杂叶片的实际场景如工业风机和涡轮叶片的监测，使用时频联合分布方法的参数估计结果与实际偏差很大。因此，如何实现在近场探测下的特征提取和参数估计以及提取复杂形状的二维和三维叶片目标的特征和参数也是该技术领域仍待解决的问题。

现有的通过时频联合分布来提取微多普勒特征和参数估计的方法计算成本高，效率低，并且在有强直流干扰下的稳定性和实用性太差。

现有的时频联合分布特征提取方法的适应范围小，仅仅适用于远场探测和一维叶片的目标，对近场探测和复杂形状的二维和三维叶片目标的参数估计结果与实际偏差很大。

专利文献CN106950554B公开了一种实现振动干扰条件下旋转目标参数估计的方法，引入频段介于微波与激光之间的窄带太赫兹雷达系统，通过逆Radon变换、时频分析及其逆变换等信号处理手段，旨在提供快速有效的信号处理方法。但该发明没有解决传统时频联合分布方法的效率低和稳定性差的问题。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于微多普勒效应的旋转目标参数估计方法及系统。

根据本发明提供的一种基于微多普勒效应的旋转目标参数估计方法，包括：

步骤S1：对旋转目标的微多普勒特征预分析；

步骤S2：利用基带信号进行频谱分析；

步骤S3：基于谱线间隔和临界频谱计算旋转频率和旋转半径。

优选地，在所述步骤S1中：

步骤S1.1：确定旋转目标的叶片模型类型和叶片数量；

叶片模型类型包括一维叶片、二维叶片和三维叶片模型，叶片数量为目标上对称分布的叶片个数；

步骤S1.2：根据叶片和雷达之间的空间几何关系以及叶片模型类型，确定基带信号的频谱的谱线间隔和临界频率与旋转频率和旋转半径之间的数量关系；

频谱的谱线间隔与叶片数量和旋转半径之间满足：Δf＝Kf

其中，Δf为频谱的谱线间隔，f

优选地，在所述步骤S2中：

步骤S2.1：对旋转目标的基带信号进行快速傅里叶变换，得到目标基带信号的频谱；

步骤S2.2：根据基带信号的频谱的幅值分布设定提取特征的阈值线；

步骤S2.3：根据设定阈值线，提取频谱的峰值和低于阈值线的峰值位置，计算相邻谱峰之间的间隔；

优选地，在所述步骤S2.1中：

一维叶片、二维叶片和三维叶片目标的基带信号为：

式中，

优选地，在所述步骤S3中：

步骤S3.1：利用提取的谱线间隔值计算目标的旋转频率；

根据提取的谱线间隔特征和叶片数量对旋转目标的旋转频率进行估计：

步骤S3.2：利用提取的临界频率值计算目标的旋转半径；

根据提取的临界频率特征和估计的旋转频率值对旋转目标的旋转半径进行估计：

根据本发明提供的一种基于微多普勒效应的旋转目标参数估计系统，执行所述的基于微多普勒效应的旋转目标参数估计方法，包括：

旋转目标特征的预分析模块：确定待测目标的微多普勒特征和目标信息的数量关系；

旋转目标的微多普勒基带信号采集模块：向旋转目标发射信号，并接收回波信号，将输出信号转换为数字信号；

旋转目标的微多普勒参数估计模块：利用采集到的信号构造复指数信号，得到微多普勒复指数信号的频谱，并提取谱线间隔和临界频率，实现目标的旋转频率和旋转半径的估计。

优选地，在所述旋转目标特征的预分析模块中：

确定待测目标的叶片模型类型和叶片数量，确定待测目标的旋转频率与谱线间隔特征之间的数量关系以及旋转半径与临界频率之间的数量关系。

优选地，确定旋转目标的叶片模型类型和叶片数量；

叶片模型类型包括一维叶片、二维叶片和三维叶片模型，叶片数量为目标上对称分布的叶片个数；

优选地，确定频谱的谱线间隔和临界频率与微多普勒参数的关系；

频谱的谱线间隔与叶片数量和旋转半径之间满足：Δf＝Kf

其中，Δf为频谱的谱线间隔，f

优选地，在所述旋转目标的微多普勒基带信号采集模块中：

由微波收发器、数据采集单元、控制器组成；

其中微波收发器向旋转目标发射微波信号，并接收来自旋转目标的回波信号，输出I/Q正交双通道的微多普勒基带信号；

数据采集单元将微波收发器输出的I/Q双通道的微多普勒基带信号转换为数字信号并传输给用于微多普勒参数估计的处理器；

控制器，用于控制微波收发器向旋转目标的信号发射、接受和微多普勒基带信号的输出，并控制数据采集单元对微波收发器输出的微多普勒基带信号的采集和传输。

优选地，在所述旋转目标的微多普勒参数估计模块中：

由处理器组成，处理器将采集到的I/Q双通道的微多普勒基带信号构造复指数信号S＝I+jQ用于频谱分析，通过快速傅里叶变换获取基带信号的频谱，根据基带信号的频谱的幅值分布设定提取特征的阈值线，根据设定的阈值线，提取频谱的峰值和低于阈值线的峰值位置并计算相邻谱峰之间的间隔，得到谱线间隔和临界频率，最后估计目标的旋转频率和旋转半径。

与现有技术相比，本发明具有如下的有益效果：

1、本发明通过对基带信号进行快速傅里叶变换相比于时频分析大大减小了计算量，并且具有更高的抗噪性，能够解决传统时频联合分布方法的效率低和稳定性差的问题，实现简单、高效、稳定并实用的微多普勒特征提取和参数估计。

2、本发明的方法对目标的基带信号没有近远场的条件限制，不同的叶片模型类型采用了相同的信号处理方法，具有相同的结论，因此同时适用于远场探测和近场探测，对于具有复杂形状的二维叶片和三维叶片模型的旋转目标同样适用，普适性好，能够提取复杂形状的二维和三维叶片目标的特征和参数。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明基于微多普勒效应的旋转目标参数估计方法的流程图；

图2为二维叶片模型和三维叶片模型示意图；

图3为本发明基带信号建模中目标与雷达的空间几何关系示意图；

图4为本发明提取频谱谱线间隔特征和临界频率特征的示意图；

图5为本发明基于微多普勒效应的旋转目标参数估计系统的模块示意图；

图6为本发明参数估计方法和系统的具体实施实例的示意图；

图7为本发明测量三组形状的铣刀的旋转频率效果示意图；

图8为本发明测量两组形状风扇在不同工况下旋转频率和旋转半径效果示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

实施例1：

根据本发明提供的一种基于微多普勒效应的旋转目标参数估计方法，如图1-图8所示，包括：

步骤S1：对旋转目标的微多普勒特征的预分析；

具体地，在所述步骤S1中：

步骤S1.1：确定旋转目标的叶片模型类型和叶片数量；

叶片模型类型包括一维叶片、二维叶片和三维叶片模型，叶片数量为目标上对称分布的叶片个数；

步骤S1.2：根据叶片和雷达之间的空间几何关系以及叶片模型类型，确定基带信号的频谱的谱线间隔和临界频率与旋转频率和旋转半径之间的数量关系，一维叶片和二维叶片在极坐标下分析建立信号模型，三维叶片在球坐标系下分析建立信号模型；

计算目标上散射点到雷达的距离R(t)：

式中，R

建立一维叶片目标的基带信号模型：

其中，j为虚数单位，λ为载波波长，R(t)为散射点到雷达的距离；

建立二维叶片目标的基带信号模型

其中，S为二维叶片积分区域，s为面积分微元，ρ为极坐标下散射点到旋转中心距离，θ为极坐标下散射点相对于散射中心的角度；

建立三维叶片目标的基带信号模型

其中，V为三维叶片积分区域，v为空间积分微元，φ为球坐标下的方位角，L为叶片的长度，σ为散射系数。

频谱的谱线间隔与叶片数量和旋转半径之间满足：Δf＝Kf

其中，Δf为频谱的谱线间隔，f

步骤S2：利用基带信号进行频谱分析；

具体地，在所述步骤S2中：

步骤S2.1：对旋转目标的基带信号进行快速傅里叶变换，得到目标基带信号的频谱；

步骤S2.2：根据基带信号的频谱的幅值分布设定提取特征的阈值线；

步骤S2.3：根据设定阈值线，提取频谱的峰值和低于阈值线的峰值位置，计算相邻谱峰之间的间隔；

本发明的方法避免了对基带信号的时频分析，仅通过快速傅里叶变换能够大大减小计算成本，提高了后续参数估计的稳定性。

具体地，在所述步骤S2.1中：

一维叶片、二维叶片和三维叶片目标的基带信号为：

式中，

本发明的方法没有对近远场探测条件的限制，对不同叶片模型类型的目标采用了相同的信号处理方法，具有相同的结论，因此相比于传统时频分析方法更具有普适性。

步骤S3：基于谱线间隔和临界频谱计算旋转频率和旋转半径。

具体地，在所述步骤S3中：

步骤S3.1：利用提取的谱线间隔值计算目标的旋转频率；

根据提取的谱线间隔特征和叶片数量对旋转目标的旋转频率进行估计：

步骤S3.2：利用提取的临界频率值计算目标的旋转半径；

根据提取的临界频率特征和估计的旋转频率值对旋转目标的旋转半径进行估计：

实施例2：

实施例2为实施例1的优选例，以更为具体地对本发明进行说明。

本发明还提供一种基于微多普勒效应的旋转目标参数估计系统，所述基于微多普勒效应的旋转目标参数估计系统可以通过执行所述基于微多普勒效应的旋转目标参数估计方法的流程步骤予以实现，即本领域技术人员可以将所述基于微多普勒效应的旋转目标参数估计方法理解为所述基于微多普勒效应的旋转目标参数估计系统的优选实施方式。

根据本发明提供的一种基于微多普勒效应的旋转目标参数估计系统，执行所述的基于微多普勒效应的旋转目标参数估计方法，包括：

旋转目标特征的预分析模块：确定待测目标的微多普勒特征和目标信息的数量关系；

具体地，在所述旋转目标特征的预分析模块中：

确定待测目标的叶片模型类型和叶片数量，确定待测目标的旋转频率与谱线间隔特征之间的数量关系以及旋转半径与临界频率之间的数量关系。

具体地，确定旋转目标的叶片模型类型和叶片数量；

叶片模型类型包括一维叶片、二维叶片和三维叶片模型，叶片数量为目标上对称分布的叶片个数；

根据叶片和雷达之间的空间几何关系以及叶片模型类型建立目标的基带信号模型；一维叶片和二维叶片在极坐标下分析建立信号模型，三维叶片在球坐标系下分析建立信号模型；

计算目标上散射点到雷达的距离R(t)：

式中，R

建立一维叶片目标的基带信号模型：

其中，j为虚数单位，λ为载波波长，R(t)为散射点到雷达的距离；

建立二维叶片目标的基带信号模型

其中，S为二维叶片积分区域，s为面积分微元，ρ为极坐标下散射点到旋转中心距离，θ为极坐标下散射点相对于散射中心的角度；

建立三维叶片目标的基带信号模型

其中，V为三维叶片积分区域，v为空间积分微元，φ为球坐标下的方位角，L为叶片的长度，σ为散射系数；

通过Taylor公式和Jacobi-Anger公式将基带信号模型展开成复指数的级数和，交换级数和中的求和符号和积分符号顺序，并合并复指数级数和中的同相位的分量；

一维叶片、二维叶片和三维叶片目标的基带信号模型为：

式中，

计算复指数的级数和，确定频谱的谱线间隔和临界频率与微多普勒参数的关系；

频谱的谱线间隔与叶片数量和旋转半径之间满足：Δf＝Kf

其中，Δf为频谱的谱线间隔，f

旋转目标的微多普勒基带信号采集模块：向旋转目标发射信号，并接收回波信号，将输出信号转换为数字信号；

具体地，在所述旋转目标的微多普勒基带信号采集模块中：

由微波收发器、数据采集单元、控制器组成；

其中微波收发器向旋转目标发射单频连续波微波信号，并接收来自旋转目标的回波信号，输出I/Q正交双通道的微多普勒基带信号；

数据采集单元将微波收发器输出的I/Q双通道的微多普勒基带信号转换为数字信号并传输给用于微多普勒参数估计的处理器；

控制器，用于控制微波收发器向旋转目标的信号发射、接受和微多普勒基带信号的输出，并控制数据采集单元对微波收发器输出的微多普勒基带信号的采集和传输。

旋转目标的微多普勒参数估计模块：利用采集到的信号构造复指数信号，得到微多普勒复指数信号的频谱，并提取谱线间隔和临界频率，实现目标的旋转频率和旋转半径的估计。

具体地，在所述旋转目标的微多普勒参数估计模块中：

由处理器组成，处理器将采集到的I/Q双通道的微多普勒基带信号构造复指数信号S＝I+jQ用于频谱分析，通过快速傅里叶变换获取基带信号的频谱，根据基带信号的频谱的幅值分布设定提取特征的阈值线，根据设定的阈值线，提取频谱的峰值和低于阈值线的峰值位置并计算相邻谱峰之间的间隔，得到谱线间隔和临界频率，最后估计目标的旋转频率和旋转半径。

实施例3：

实施例3为实施例1的优选例，以更为具体地对本发明进行说明。

本发明涉及微多普勒效应的特征提取和目标的参数估计技术领域，特别是涉及一种基于微多普勒频谱特征提取的旋转目标参数估计方法和系统。

如图1所示，为本发明基于微多普勒效应的旋转目标参数估计方法的流程图：

步骤1：对旋转目标的微多普勒特征的预分析。

步骤1.1：确定旋转目标的叶片模型类型和叶片数量。叶片模型类型包括了一维叶片、二维叶片、三维叶片模型，叶片数量为目标上对称分布的叶片个数。二维和三维叶片模型示意图如图2所示。

步骤1.2：如图3所示，根据叶片和雷达之间的空间几何关系以及叶片模型类型，确定基带信号的频谱的谱线间隔和临界频率与旋转频率和旋转半径之间的数量关系。一维叶片和二维叶片在极坐标下分析建立信号模型，三维叶片在球坐标系下分析建立信号模型。

计算目标上散射点到雷达的距离

式中，R

建立一维叶片目标的基带信号模型

其中，j为虚数单位，λ为载波波长，R(t)为散射点到雷达的距离。

建立二维叶片目标的基带信号模型

其中，S为二维叶片积分区域，s为面积分微元，ρ为极坐标下散射点到旋转中心距离，θ为极坐标下散射点相对于散射中心的角度。

建立三维叶片目标的基带信号模型

其中，V为三维叶片积分区域，v为空间积分微元，φ为球坐标下的方位角，L为叶片的长度，σ为散射系数。

步骤2：利用基带信号进行频谱分析。

步骤2.1：对旋转目标的基带信号进行快速傅里叶变换，得到目标基带信号的频谱经过该步骤后一维叶片、二维叶片和三维叶片目标的基带信号为

式中，

步骤2.2：根据基带信号的频谱的幅值分布设定提取特征的阈值线；

步骤2.3：如图4所示，根据设定阈值线，提取频谱的峰值和低于阈值线的峰值位置，计算相邻谱峰之间的间隔；

频谱的谱线间隔与叶片数量和旋转半径之间满足：Δf＝Kf

其中，Δf为频谱的谱线间隔，f

步骤3：基于谱线间隔和临界频谱计算旋转频率和旋转半径。

步骤3.1：利用提取的谱线间隔值计算目标的旋转频率。根据提取的谱线间隔特征和叶片数量对旋转目标的旋转频率进行估计：

步骤3.2：利用提取的临界频率值计算目标的旋转半径。根据提取的临界频率特征和估计的旋转频率值对旋转目标的旋转半径进行估计：

如图5所示，为本发明基于微多普勒效应的旋转目标参数估计系统的模块示意图。

系统中包括旋转目标特征的预分析模块、旋转目标的微多普勒基带信号采集模块和旋转目标的微多普勒参数估计模块。

旋转目标特征的预分析模块：确定待测目标的叶片模型类型和叶片数量，确定待测目标的旋转频率与谱线间隔特征之间的数量关系以及旋转半径与临界频率之间的数量关系。

旋转目标的微多普勒基带信号采集模块：由微波收发器、数据采集单元、控制器组成。其中微波收发器向旋转目标发射单频连续波微波信号，并接收来自旋转目标的回波信号，输出I/Q正交双通道的微多普勒基带信号。数据采集单元将微波收发器输出的I/Q双通道的微多普勒基带信号转换为数字信号并传输给用于微多普勒参数估计的处理器。控制器，用于控制微波收发器向旋转目标的信号发射、接受和微多普勒基带信号的输出，并控制数据采集单元对微波收发器输出的微多普勒基带信号的采集和传输。

旋转目标的微多普勒参数估计模块：由处理器组成。处理器利用采集到的I/Q双通道的微多普勒基带信号构造复指数信号S＝I+jQ用于频谱分析，通过快速傅里叶变换获取基带信号的频谱，根据基带信号的频谱的幅值分布设定提取特征的阈值线，根据设定的阈值线，提取频谱的峰值和低于阈值线的峰值位置并计算相邻谱峰之间的间隔，得到谱线间隔和临界频率，最后估计目标的旋转频率和旋转半径。

如图6所示，为本发明具体实施实例示意图。

经过具体的实际实验，利用本发明的方法和系统测量三组形状的铣刀的旋转频率。实验中选取了三种具有复杂形状的铣刀包括四刃直槽铣刀、四刃螺旋铣刀和三刃螺旋铣刀进行旋转频率测量。采样频率为100kHz，三组实验中铣刀的旋转频率均为100Hz。如图7(a)所示，为实验的实际测试场景，如图7(b)(c)(d)所示，为通过本发明方法和系统提取的谱线间隔特征，估计的旋转频率分别为99.9387Hz、99.9688Hz和99.9583Hz，最大误差不超过0.1％，实验中采用传统的时频联合分布方法会失效，无法提取特征和参数估计。

经过具体的实际实验，利用本发明的方法和系统测量两组形状风扇在不同工况下旋转频率和旋转半径。实验中选取了两种叶片形状的风扇包括24个叶片的涡轮叶片风扇和12个叶片的矩形叶片风扇，如图8(a)所示为实验的实际测试场景。涡轮叶片风扇的叶片长度为23.0mm在67.5mm的距离以1Hz的频率旋转，采样频率为20kHz，本发明方法估计的旋转频率为1Hz，旋转半径为23.9727mm。矩形叶片风扇的叶片长度为32.5mm，分别以5/6Hz和25/12Hz的频率在距离为225mm处测量，采样频率为1kHz，本发明方法估计的旋转频率为5/6Hz和25/12Hz，旋转半径为33.4225mm。本发明方法提取的谱线间隔特征和临界频率特征如图8(b)(c)(d)所示，测量的旋转频率的误差为0，旋转半径的最大误差不超过5％。实验采用传统的时频联合分布方法同样会失效，无法实现特征提取和参数估计。

本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。