孫 洋 辛愛學(xué) 賀 琦
(海軍704廠 青島 266109)
小波分析(Wavelet Analysis)已廣泛應(yīng)用于弱信號檢測、特征提取、數(shù)據(jù)壓縮、語音合成、圖像識別等領(lǐng)域,并發(fā)揮了顯著作用。在信號處理方面,主要體現(xiàn)在利用多尺度分析的方法,對信號進行分解、重構(gòu)和濾波[1~4]。
多尺度分析 (Multi-resolution Analysis)是 Mallat于1989年提出的,Mallat首先研究了在2j尺度下函數(shù)的逼近算子及其數(shù)學(xué)性質(zhì)。然后證明了在2j-1與2j尺度下的信息差別,可以通過函數(shù)在一小波正交基上分解而獲得。從而定義了一種完全正交的多尺度描述,即小波描述,有力地解決了細節(jié)相關(guān)性問題。下面給出多尺度分析的具體過程。
空間L2(R)中的一列閉子空間{Vj}j∈Z稱為L2(R)的一個多尺度分析(MRA),滿足下列條件:
1)單調(diào)性:…Vj-1?Vj?Vj+1?…,?j∈Z;
3)伸縮性:f(t)∈Vj?f(2t)∈Vj+1,?j∈Z;
4)平移不變性:f(t)∈V0?f(t-k)∈V0,?k∈Z;
5)Riesz基存在性:存在φ(t)∈V0,使得對任意m∈Z,{φm,n(t):φm,n(t)=2-m/2φm,n(2-mt-n),n∈Z}構(gòu)成的Vm標(biāo)準(zhǔn)正交基。
若存在φ(t)∈V0,使得對任意 m∈Z,{φm,n(t):φm,n(t)=2-m/2φm,n(2-mt-n),n∈Z}構(gòu)成的Vm標(biāo)準(zhǔn)正交基。則多尺度分析由函數(shù)φ(t)(稱為尺度函數(shù))唯一確定,它是在V空間定義的,若記Wm為Vm在Vm-1中的正交補,則應(yīng)滿足下列關(guān)系:
可以得出:
而且,可以證明:存在積分為零的函數(shù)ψ∈W0,使得對任意m,{ψm,n(t):ψm,n(t)=2-m/2ψm,n(2-mt-n),n∈Z}構(gòu)成W 的標(biāo)準(zhǔn)正交基,即正交小波基。
將一給定信號f(t)在V空間和W 空間同時分解,滿足完備性。在空間V分解得到信號的平滑信息,在W 空間分解得到信號的細節(jié)信息。這就是在L2(R)空間通過正交分解和不斷變換空間尺度來逼近一個函數(shù)和信號的基本過程和實質(zhì)所在。
Mallat算法信號[5]分解及合成的過程可直觀地如圖1所示。
圖1 Mallat小波分解與重構(gòu)示意圖
圖1中c0、c1、c2、c3等為不同尺度下的平滑信息,d1、d2、d3等則代表各尺度下的細節(jié)信息。
圖2 微多普勒效應(yīng)探測系統(tǒng)實驗原理圖
實驗系統(tǒng)的基本原理如圖2所示,實驗用一對喇叭來模擬一個復(fù)雜物體。激光器發(fā)射的光束經(jīng)過中心分束器后,一部分射向目標(biāo)1號喇叭(1#),另一部分射向目標(biāo)2號喇叭(2#),兩目標(biāo)喇叭反射回的光束經(jīng)中心分束器后,在探測器視軸方向的一定范圍內(nèi)形成干涉場。給兩目標(biāo)喇叭加上信號使其振動時,這些振動就會對干涉場產(chǎn)生調(diào)制,經(jīng)振動調(diào)制的變化的干涉場通過光電探測器,轉(zhuǎn)化為與干涉場同頻率變化的光電信號。探測器輸出的信號被送到數(shù)字存儲示波器(Tektronix TDS3052),數(shù)字示波器和計算機之間通過GPIB(General Purpose Instrument Bus)接口相連接,實現(xiàn)信號的獲取和采集。
本實驗采用兩個信號發(fā)生器產(chǎn)生簡諧振動信號分別輸入到兩個目標(biāo)喇叭,目標(biāo)1號喇叭輸入30Hz,目標(biāo)2號喇叭輸入300Hz。數(shù)據(jù)的采集時間均為100ms,每組采集10000個點。本文對回波信號進行3個尺度下的分解與重構(gòu),得到3個尺度下的細節(jié)信息D1、D2、D3和第三尺度下的平滑信息C3,重構(gòu)過程中,僅保留信號中包含微多普勒特性的那些信號的系數(shù),而其他系數(shù)都置零。
對回波信號進行3個尺度下的分解與重構(gòu)[9],得到3個尺度下的細節(jié)信息D1、D2、D3和第三尺度下的平滑信息C3,結(jié)果如圖3。
圖3 用多分辨分析對信號進行三個尺度下小波分解與重構(gòu)
為了清楚分析各尺度下細節(jié)信息及平滑信息的頻率成分,使用快速傅里葉變換(FFT)對多尺度分析三個尺度下的D1、D2、D3、C3進行頻譜分析,結(jié)果如圖4。
圖4 三個尺度下信號成分的頻譜分析
從頻譜分析圖中可以看出,D1、D2頻率主要集中于高頻區(qū),D3頻率雖然在300赫茲附近有分布,但能量還是主要集中于高頻600Hz和900Hz附近,得出D1、D2、D3不含有微多普勒特征,而第三尺度平滑信息C3能量則主要集中于30Hz、300Hz附近,因此包含微多普勒特征。利用小波變換對回波信號進行三個尺度下的分解與重構(gòu)能夠獲得微多普勒特征信號,C3即為微多普勒特征信號[6~8]。
圖5 C3時頻分析圖
為進一步獲得目標(biāo)的微多普勒信息,用平滑偽魏格納分布對微多普勒特征信號C3進行時頻分析,結(jié)果如圖5。
從時頻分析圖上可以清晰地看出在30Hz和300Hz處,有振動信號,這與我們預(yù)測的微振動頻率是相符的,從而,進一步驗證了小波多尺度分析對微多普勒特征信號的提取是十分有效的。
本文應(yīng)用小波多尺度分析方法對回波信號進行分解變換,獲得不同尺度下的信號成分,并對尺度信息成分分析、分類,將包含微多普勒特征的信號成分進行重構(gòu),提取出微多普勒特征,再通過時頻聯(lián)合分析獲取目標(biāo)微多普勒特征參數(shù)。結(jié)果表明,小波多尺度分析方法可以從回波信號中有效地將目標(biāo)微運動特征分離出來,為獲取和處理微多普勒信號提供了重要的工具和方法。
[1]Victor C.Chen.Micro-Doppler effect of micro-motion dynamics:a review[J].Proc.SPIE.2003,Vol.5102:240-249.
[2]Eugene F.Greneker,Jonathan L.Geisheimer,David Asbell.Extraction of micro-Doppler data from vehicle targets at x-band frequencies[J].Proc.SPIE 2001,Vol.4374:1-9.
[3]Li.J,Ling.H.Application of adaptive chirplet representation for ISAR feature extraction from targets with rotating parts[J].IEE Proceedings on Radar,Sonar and Navigation,2003,150(4):284-291.
[4]Lei Jiajin,Lu Chao.Target classification based on micro-Doppler signatures[J].IEEE International Radar Conference,2005:179-183.
[5]Victor C.Chen.Spatial and temporal independent component analysis of micro-Doppler features[J].IEEE International Radar Conference,2005:348-353.
[6]Victor C.Chen,Ronald D.Lipps.Time frequency signatures of micro-Doppler phenomenon for feature extraction[J].Proc.SPIE 2000,Vol.4056:220-226.
[7]Eugene F.Greneker,Vincent B.Sylvester.Use of the envelope detection method to detect micro-Doppler[J].Proc.SPIE 2003,Vol.5077:167-174.
[8]Chen V.C.,Li.F,Ho.S-S.Analysis of micro-Doppler signatures[J],Proc.SPIE 2003,150(4):220-226.
[9]張賢達,保錚.非平穩(wěn)信號分析與處理[M].北京:國防工業(yè)出版社,1998:20-26.
[10]楊文君,林偉.基于DSP5402的雷達測速系統(tǒng)硬件、軟件設(shè)計[J].計算機與數(shù)字工程,2012(5).
[11]魏慶國,吳建華.非平穩(wěn)信號時頻分析的重排方法及其在語音信號處理中的應(yīng)用[J].南昌大學(xué)學(xué)報,2004,6(2):174-177.