【摘要】：精細(xì)化的回波微動(dòng)調(diào)制分析是提取彈道目標(biāo)運(yùn)動(dòng)幾何特性的重要技術(shù)手段。該文提出一種多頻點(diǎn)-調(diào)頻傅里葉稀疏分解的微動(dòng)估計(jì)方法來(lái)分析目標(biāo)的時(shí)頻特性。首先,該文介紹彈道目標(biāo)進(jìn)動(dòng)回波微多普勒的一般表達(dá);平動(dòng)補(bǔ)償后對(duì)回波局部分段并采用調(diào)頻率傅里葉稀疏分解來(lái)估計(jì)局部微多普勒調(diào)頻參數(shù),有效利用了多頻點(diǎn)回波的結(jié)構(gòu)稀疏性,聯(lián)合多頻點(diǎn)稀疏分解提高算法穩(wěn)健性;最后,拼接主頻段信號(hào)各分段估計(jì)結(jié)果得到目標(biāo)的微動(dòng)曲線。電磁仿真數(shù)據(jù)驗(yàn)證了算法的有效性和穩(wěn)健性,可用于彈道目標(biāo)的微動(dòng)分析、多目標(biāo)識(shí)別等任務(wù)。
[Abstract]:Fine echo fretting modulation analysis is an important technical means to extract the geometric characteristics of trajectory target motion. In this paper, a fretting estimation method based on multi-frequency point-frequency modulation Fourier sparse decomposition is proposed to analyze the time-frequency characteristics of the target. Firstly, the general expression of precession echo microDoppler of ballistic target is introduced in this paper. After translation compensation, the local segmentation of the echo is carried out and the frequency modulation Fourier sparse decomposition is used to estimate the frequency modulation parameters of the local microDoppler. The structure sparsity of the multi-frequency point echo is effectively utilized, and the robustness of the algorithm is improved by combining the sparse decomposition of the multi-frequency points. Finally, the fretting curve of the target is obtained by the estimation results of each segment of the main frequency band signal. The electromagnetic simulation data verify the effectiveness and robustness of the algorithm, and can be used for fretting analysis of ballistic targets, multi-target recognition and other tasks.
【作者單位】： 西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室;西安電子科技大學(xué)信息感知技術(shù)協(xié)同創(chuàng)新中心;中國(guó)航天科工集團(tuán)二院二十三所;
【基金】：國(guó)家自然科學(xué)基金(61301280,61301293)~~
【分類號(hào)】：TN957.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張躍飛;姜玉亭;王建英;尹忠科;;基于稀疏分解的圖像壓縮[J];系統(tǒng)工程與電子技術(shù);2006年04期

2 尹忠科;解梅;王建英;;基于稀疏分解的圖像去噪[J];電子科技大學(xué)學(xué)報(bào);2006年06期

3 尹忠科;王英;張躍飛;姜玉亭;;圖像稀疏分解中原子形成的快速算法[J];電訊技術(shù);2005年06期

4 王春光;劉金江;孫即祥;;基于稀疏分解的心電數(shù)據(jù)壓縮算法[J];中國(guó)生物醫(yī)學(xué)工程學(xué)報(bào);2008年01期

5 王春光;劉金江;孫即祥;;基于稀疏分解和模糊理論的心電信號(hào)波形檢測(cè)及識(shí)別[J];信號(hào)處理;2009年07期

6 劉洋;郭樹旭;張鳳春;李揚(yáng);;基于稀疏分解的指靜脈圖像去噪[J];信號(hào)處理;2012年02期

7 劉輝;楊俊安;黃文靜;;聲信號(hào)并行稀疏分解去噪方法研究[J];電路與系統(tǒng)學(xué)報(bào);2012年06期

8 王春光;劉金江;孫即祥;;基于粒子群優(yōu)化的稀疏分解最優(yōu)匹配原子搜索算法[J];國(guó)防科技大學(xué)學(xué)報(bào);2008年02期

9 李恒建;尹忠科;張家樹;王建英;;基于混沌變異粒子群優(yōu)化算法的圖像稀疏分解[J];西南交通大學(xué)學(xué)報(bào);2008年04期

10 齊愛玲;馬宏偉;劉濤;;基于改進(jìn)人工魚群優(yōu)化算法的超聲信號(hào)稀疏分解[J];儀器儀表學(xué)報(bào);2009年12期

相關(guān)會(huì)議論文 前1條

1 楊雷;趙治棟;;基于MP稀疏分解的心電身份識(shí)別[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

相關(guān)博士學(xué)位論文 前1條

1 付金山;基于稀疏分解理論的聲矢量陣信號(hào)處理[D];哈爾濱工程大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 任叢;基于RR間期與稀疏分解的房顫?rùn)z測(cè)方法研究[D];河北大學(xué);2015年

2 朱尤祥;基于稀疏分解的頻譜感知方法研究[D];哈爾濱工業(yè)大學(xué);2015年

3 王睿;某型雷達(dá)微弱信號(hào)提取研究[D];東北大學(xué);2014年

4 陳青玉;基于自適應(yīng)稀疏分解的GPR水平分層介質(zhì)參數(shù)反演[D];南昌大學(xué);2016年

5 姜玉亭;基于稀疏分解的圖像去噪[D];西南交通大學(xué);2005年

6 張躍飛;基于稀疏分解的圖像壓縮[D];西南交通大學(xué);2006年

7 方耀;基于稀疏分解的非合作猝發(fā)信號(hào)解調(diào)技術(shù)研究[D];杭州電子科技大學(xué);2010年

8 史麗麗;基于稀疏分解的信號(hào)去噪方法研究[D];哈爾濱工業(yè)大學(xué);2013年

9 唐承志;基于級(jí)聯(lián)原子庫(kù)稀疏分解及其應(yīng)用[D];西南交通大學(xué);2011年

10 李揚(yáng);稀疏分解在信號(hào)去噪方面的應(yīng)用研究[D];吉林大學(xué);2012年

，

本文編號(hào)：2476438