要地警戒雷達(dá)目標(biāo)特征提取及分類研究?

(國防科技大學(xué)電子科學(xué)與工程學(xué)院,湖南長沙410073)

0 引言

雷達(dá)多普勒效應(yīng)是指目標(biāo)與雷達(dá)之間的相對運(yùn)動(dòng)導(dǎo)致雷達(dá)回波信號頻率發(fā)生頻移的一種物理現(xiàn)象。多普勒效應(yīng)已在雷達(dá)雜波抑制、雷達(dá)分辨率提高、雷達(dá)成像等方面產(chǎn)生了重要應(yīng)用。近十多年來,由雷達(dá)目標(biāo)部件產(chǎn)生的微多普勒效應(yīng)引起了學(xué)界廣泛關(guān)注。微多普勒效應(yīng)是指雷達(dá)目標(biāo)上微小運(yùn)動(dòng)部件的振動(dòng)或旋轉(zhuǎn)對雷達(dá)回波信號造成頻率調(diào)制,使多普勒頻譜展寬或產(chǎn)生邊帶的現(xiàn)象[1-2]。利用人體某些部位的運(yùn)動(dòng)所引起的雷達(dá)微多普勒效應(yīng),實(shí)現(xiàn)人體目標(biāo)的探測、定位、行為分類,已在現(xiàn)代戰(zhàn)爭、醫(yī)療救援、安全保衛(wèi)方面得到了廣泛應(yīng)用[3-4]。對于人體目標(biāo)而言,文獻(xiàn)[5]將人體各肢體運(yùn)動(dòng)進(jìn)行了仿真并通過實(shí)測數(shù)據(jù)對運(yùn)動(dòng)參數(shù)進(jìn)行了估計(jì),運(yùn)用支持矢量機(jī)對單人運(yùn)動(dòng)模式進(jìn)行分類;文獻(xiàn)[6]基于廣義S變化對人體行走中主體部位的微多普勒特征進(jìn)行了仿真,但是并未在實(shí)測中加以運(yùn)用。對于車輛目標(biāo)來說,文獻(xiàn)[7]較為詳細(xì)地對輪式及履帶式車輛目標(biāo)進(jìn)行了建模,并采用線性辨別分類器、特征譜分析等方法對輪式和履帶式車輛進(jìn)行分類,算法較為復(fù)雜,主要針對車輛目標(biāo),且對復(fù)雜環(huán)境的考慮較為欠缺;文獻(xiàn)[8]提出兩種基于微多普勒特征方法,對輪式和履帶式車輛進(jìn)行了分類,但是前提條件為窄帶雷達(dá)。

對于要地警戒雷達(dá)來說,在戰(zhàn)場主要用于探測敵方部隊(duì)的行蹤和監(jiān)視戰(zhàn)區(qū)前沿,在和平時(shí)期也用于重要部位的安防,如某警戒區(qū)域、監(jiān)獄等,對維護(hù)人民生命和財(cái)產(chǎn)安全起到重要作用。要地警戒雷達(dá)主要用于探測識別人和車輛,對于運(yùn)動(dòng)或者低速運(yùn)動(dòng)的目標(biāo)均可以進(jìn)行檢測,通過多普勒效應(yīng)分類識別運(yùn)動(dòng)目標(biāo),以及通過微多普勒特征發(fā)現(xiàn)微動(dòng)規(guī)律是必須要解決的問題之一。本文結(jié)合實(shí)測雷達(dá)數(shù)據(jù),通過頻域轉(zhuǎn)換、特性濾波、提取目標(biāo)運(yùn)動(dòng)軌跡等一系列方法對信號進(jìn)行處理后,利用能量求和、門限判別、取均值和短時(shí)傅里葉對目標(biāo)特征進(jìn)行提取分析。實(shí)驗(yàn)結(jié)果表明,通過對目標(biāo)散射強(qiáng)度、距離擴(kuò)展寬度、速度和步態(tài)頻率四種不同特征的對比,能夠有效準(zhǔn)確地實(shí)現(xiàn)對人和車輛的分類和識別。

1 雷達(dá)系統(tǒng)設(shè)計(jì)和信號處理方法

調(diào)頻連續(xù)波雷達(dá)(FMCW)采用連續(xù)波體制,具有較大的帶寬,可以有效消除距離盲區(qū),獲得更準(zhǔn)確的距離精度和距離分辨率。FMCW雷達(dá)系統(tǒng)框圖如圖1所示。FMCW信號功率放大后,經(jīng)發(fā)射天線輻射。地面散射信號經(jīng)接收天線和低噪聲放大后,進(jìn)行去斜混頻處理,最后經(jīng)數(shù)-模轉(zhuǎn)換后,由數(shù)據(jù)處理部分完成數(shù)據(jù)存儲或者實(shí)時(shí)成像處理。

圖1 FMCW雷達(dá)系統(tǒng)框圖

就系統(tǒng)實(shí)現(xiàn)而言,發(fā)射機(jī)無需發(fā)射高峰值功率信號,簡化了發(fā)射機(jī)實(shí)現(xiàn);由于采用Dechirp接收,降低了后端續(xù)信號帶寬,從而降低了數(shù)據(jù)采集和處理的實(shí)現(xiàn)難度。

假設(shè)發(fā)射鋸齒型線性調(diào)頻連續(xù)波(LFMCW),發(fā)射信號表示為

式中,tm=m T(m=0,1,…,M-1)為慢時(shí)間,T為脈沖重復(fù)間隔,^t=t-tm為快時(shí)間,fc為載頻,μ為調(diào)頻率,Tp為脈沖持續(xù)時(shí)間。接收端Dechirp處理后,去中頻,采樣信號可以表示為

式中,R i(tm)≠0為tm時(shí)刻散射點(diǎn)i的距離,δi為對應(yīng)的散射系數(shù),Rref為參考距離,ΔR i(tm)=R i(tm)-Rref為點(diǎn)目標(biāo)與參考距離之差。在式(2)中,第一個(gè)指數(shù)項(xiàng)與目標(biāo)距離點(diǎn)有關(guān),當(dāng)目標(biāo)為靜止點(diǎn)目標(biāo)時(shí),該項(xiàng)為固定相位項(xiàng);第二個(gè)指數(shù)項(xiàng)為與目標(biāo)距離的平方成正比的相位項(xiàng),稱為殘余視頻相位(RVP);第三個(gè)指數(shù)項(xiàng)為時(shí)間的一次項(xiàng),表明差頻信號是單頻信號,且頻率與ΔR i(tm)成正比。此時(shí)較高的載頻被去除,對差頻信號進(jìn)行采樣的頻率大大下降,大大降低了數(shù)據(jù)量。對上式快時(shí)間進(jìn)行傅里葉變換,就可以得到距離維信號:

可以看出,差頻信號在距離頻域上為sinc狀的窄脈沖,脈沖寬度為1/Tp。其中第二指數(shù)項(xiàng)為R i(tm)≠0時(shí)的包絡(luò)置斜項(xiàng)。sinc(u)=處,相位就是我們需要的多普勒信息。第二和第三個(gè)指數(shù)項(xiàng)會對信號產(chǎn)生干擾,需要進(jìn)行消除,由于sinc函數(shù)其峰值位于f=可以近似地認(rèn)為,要對距離為R i(tm)的目標(biāo)進(jìn)行處的相位消除即可。對后面兩個(gè)指數(shù)項(xiàng)進(jìn)行代換化簡可得

對式(5)離散化:

式中,fΔ為頻率采樣間隔,n=0,1,…,N-1為頻率采樣點(diǎn),距離即為因此也將稱為時(shí)間-距離像。

實(shí)際場景中存在著大量的靜物雜波,而運(yùn)動(dòng)人體多普勒頻譜較為微弱,淹沒在靜物雜波中,因此為了檢測運(yùn)動(dòng)目標(biāo),必須要對這些靜止雜波進(jìn)行抑制。靜止目標(biāo)在距離向上表現(xiàn)為沿慢時(shí)間的一條直線,常用的靜物雜波抑制的方法有方位向?yàn)V波和二脈沖對消等方法。在本文中采用高通濾波實(shí)現(xiàn)對靜物雜波進(jìn)行抑制。雜波抑制后,我們發(fā)現(xiàn)運(yùn)動(dòng)目標(biāo)在距離向上表現(xiàn)為沿慢時(shí)間的一條斜線。Hough變換是分離圖像中具有相同特征幾何形狀最簡單有效的方法之一,它對直線信息的提取非常靈敏。這里采用它來提取目標(biāo)運(yùn)動(dòng)直線軌跡,提取運(yùn)動(dòng)軌跡周圍的距離單元就包含運(yùn)動(dòng)目標(biāo)的全部多普勒信息。

目標(biāo)運(yùn)動(dòng)會使目標(biāo)產(chǎn)生越距離單元徙動(dòng),為了分析目標(biāo)運(yùn)動(dòng)的微多普勒特征,可以將sr(n,m)沿距離維累加形成沿時(shí)間維的一維信號,對該一維信號進(jìn)行短時(shí)傅里葉變換即可得到實(shí)際目標(biāo)運(yùn)動(dòng)的微多普勒譜,即

2 實(shí)驗(yàn)結(jié)果與分析

2.1 實(shí)驗(yàn)場景

實(shí)驗(yàn)中雷達(dá)工作在Ku波段,發(fā)射帶寬為600 MHz,脈沖重復(fù)頻率(PRF)為2 000 Hz。為了實(shí)驗(yàn)的順利進(jìn)行,我們選擇的實(shí)驗(yàn)場景為一湖面開闊地帶,如圖2所示的Google地圖。

實(shí)際實(shí)驗(yàn)場景圖如圖3所示。圖4為實(shí)驗(yàn)場景布置圖。將雷達(dá)置于湖上小島岸邊A1位置,對湖東側(cè)簡易公路距離724 m的“T”型區(qū)域進(jìn)行照射,運(yùn)動(dòng)路徑從A2到A3位置(約92 m),場地空曠,無明顯建筑。

圖2 實(shí)驗(yàn)場景示意圖

圖3 實(shí)際實(shí)驗(yàn)場景圖

圖4 實(shí)驗(yàn)場景布置圖

在實(shí)驗(yàn)中加入3個(gè)運(yùn)動(dòng)目標(biāo),其中目標(biāo)1和目標(biāo)2為人體目標(biāo),目標(biāo)3為車輛目標(biāo)(三廂小轎車),3個(gè)目標(biāo)均在雷達(dá)徑向方向上遠(yuǎn)離雷達(dá)方向運(yùn)動(dòng)(從A2向A3方向運(yùn)動(dòng)),目標(biāo)1和目標(biāo)2之間距離5 m,目標(biāo)2和目標(biāo)3之間距離10 m,目標(biāo)1以勻速跑步接近步行中的目標(biāo)2,其所在的位置與徑向速度如表1所示。

表1 運(yùn)動(dòng)目標(biāo)參數(shù)

2.2 實(shí)驗(yàn)結(jié)果分析

通過對實(shí)測數(shù)據(jù)的處理得到雜波抑制前的時(shí)間-距離像(如圖5所示)和高通濾波雜波抑制后的時(shí)間-距離像(如圖6所示,為了便于顯示,圖中只截取了部分場景),可以看到,靜止目標(biāo)隨著時(shí)間的變化在距離向上表現(xiàn)為一條水平的直線,而運(yùn)動(dòng)的目標(biāo)隨著時(shí)間的變化,在距離向上有明顯的位移,表現(xiàn)為一條斜線(在距離軸750～800 m之間)。雜波抑制后,可以清晰地觀察到運(yùn)動(dòng)目標(biāo)的軌跡。

圖5 雜波抑制前的時(shí)間距離像

圖6 雜波抑制后的時(shí)間距離像

2.2.1 散射強(qiáng)度分析

通過對圖5的觀察,僅能夠發(fā)現(xiàn)一條較為明顯的斜線,其他直線均為靜止目標(biāo),由此可以判定另外兩個(gè)運(yùn)動(dòng)目標(biāo)被淹沒在靜物雜波中。雜波抑制后,可以清晰地看到3條運(yùn)動(dòng)軌跡,由上到下依次對應(yīng)1,2,3號運(yùn)動(dòng)目標(biāo),其中以車輛的運(yùn)動(dòng)軌跡最為明顯,同時(shí),也可以看到兩個(gè)人體在運(yùn)動(dòng)過程中因?yàn)樗俣鹊牟煌罱K會在某個(gè)距離位置上相遇。在文獻(xiàn)[9]中將行人的RCS典型數(shù)值為0.3～1 m2(0 dB),車輛的RCS典型數(shù)值為5～100 m2(7～20 dB)。以上圖的實(shí)測數(shù)據(jù)為例,為了便于能量統(tǒng)計(jì),對不同的目標(biāo)軌跡分別乘以一個(gè)線性相位,使目標(biāo)能量集中在一個(gè)矩形區(qū)域內(nèi),通過對幅值求和計(jì)算得到車輛的能量為72.02 dB,人的能量為54.26 dB,兩者的差值約為17.76 dB,與文獻(xiàn)[9]描述的RCS數(shù)值基本一致,因此,可以把目標(biāo)散射強(qiáng)度作為區(qū)分人和車輛的一種基本度量。

2.2.2 距離擴(kuò)展目標(biāo)分析

對于高分辨率雷達(dá),它的距離分辨率通?？蛇_(dá)亞米級到米級。這一方面導(dǎo)致目標(biāo)在距離向上可能占據(jù)多個(gè)距離分辨單元,即目標(biāo)表現(xiàn)為距離擴(kuò)展目標(biāo),另一方面導(dǎo)致目標(biāo)在雷達(dá)觀測期間可能跨越多個(gè)距離單元,即目標(biāo)發(fā)生越距離單元走動(dòng)。以圖6為例,我們發(fā)現(xiàn)對于不同的目標(biāo)由于其尺寸大小存在差異,在相同的雜波抑制條件下,車輛和人所形成的擴(kuò)展目標(biāo)像明顯不同。人體和車輛距離擴(kuò)展寬度如圖7、圖8所示。

因此,也可以將距離擴(kuò)展作為區(qū)分不同目標(biāo)的一種方法。對于我們的雷達(dá)體制而言,采取的方法是對不同目標(biāo)信號幅值設(shè)置一定的門限,以車輛為例,以車輛散射中心能量最強(qiáng)點(diǎn)幅值為3.64(11.22 dB)的1/3約為1.21(1.66 dB)作為門限,將剩余的點(diǎn)置零,通過觀察發(fā)現(xiàn)車輛的越距離單元為5(在數(shù)據(jù)處理中,單元距離寬度為0.24 m),在距離向上求得車的距離擴(kuò)展為1.22 m。人的散射中心能量最強(qiáng)點(diǎn)幅值為1.18(1.44 d B)的1/3約為0.39(-8.18 dB),發(fā)現(xiàn)人的越距離單元為3,在距離向上求得的距離擴(kuò)展為0.73 m。

2.2.3 速度分析

圖7 人體距離擴(kuò)展寬度

圖8 車輛距離擴(kuò)展寬度

一般情況下,正常成年人走路的步速一般為1.5 m/s左右(不超過5 m/s);跑步速度一般為2.8～8.3 m/s(不超過10 m/s)。通過圖6可以計(jì)算得到目標(biāo)1在4 s內(nèi)的平均速度為2.1 m/s(跑步者速度較慢的原因是為了下一步提取較為理想的微多普勒特征,所以使跑步者在較低速度運(yùn)動(dòng),從而獲得一個(gè)較好的多普勒頻率),在零時(shí)刻位置位于738 m;目標(biāo)2在4 s內(nèi)的平均速度為1.2 m/s,在零時(shí)刻位置位于742 m。對車輛的速度進(jìn)行計(jì)算,得到目標(biāo)3在4 s內(nèi)的平均速度為4.5 m/s。通過與運(yùn)動(dòng)目標(biāo)參數(shù)相比較,我們發(fā)現(xiàn)實(shí)驗(yàn)計(jì)算結(jié)果與理論值基本一致。

2.2.4 步態(tài)頻率分析

由成像原理可知,當(dāng)目標(biāo)速度在雷達(dá)視線(LOS)方向分量為朝向雷達(dá)運(yùn)動(dòng)時(shí)產(chǎn)生正的多普勒頻移,目標(biāo)遠(yuǎn)離雷達(dá)方向時(shí)產(chǎn)生負(fù)的多普勒頻移,多普勒頻移的表達(dá)式為

式中,v為目標(biāo)沿著雷達(dá)視線的徑向速度,λ為信號波長,f0為發(fā)射頻率。將離散化的信號通過Hough變換找到峰值點(diǎn),如圖9所示,其中峰值點(diǎn)較為分散的為車輛目標(biāo),峰值點(diǎn)較為集中的為人體目標(biāo),由于兩個(gè)人體運(yùn)動(dòng)軌跡斜率相差不大,所以兩個(gè)峰值點(diǎn)距離比較靠近。在時(shí)間-距離向上提取運(yùn)動(dòng)目標(biāo)軌跡,得到的結(jié)果如圖10所示,白色直線即為目標(biāo)的運(yùn)動(dòng)軌跡,用以獲取運(yùn)動(dòng)目標(biāo)的紋理特征,白色直線以及周圍的距離單元就包含目標(biāo)的全部多普勒信息,便于下一步分析研究。

圖9 Hough變換空間

我們看到在圖10中存在這樣的問題,在對車輛回波信號進(jìn)行Hough變換時(shí),提取到的直線與運(yùn)動(dòng)軌跡沒法完全覆蓋,這一方面是散射干擾造成的,另一方面也是由距離擴(kuò)展目標(biāo)造成的。

由于目標(biāo)運(yùn)動(dòng)會使目標(biāo)產(chǎn)生越距離單元徙動(dòng),為了分析運(yùn)動(dòng)目標(biāo)的微多普勒特征,對離散信號沿距離維累加形成沿時(shí)間維的一維信號,在該一維信號進(jìn)行短時(shí)傅里葉變換即可得到實(shí)際運(yùn)動(dòng)目標(biāo)的微多普勒譜,如式(7),得到的結(jié)果如圖11～13所示。

圖11 跑步者微多普勒頻率分析

圖12 步行者微多普勒頻率分析

圖13 車輛微多普勒頻率分析

通過圖11和圖12對比我們不難發(fā)現(xiàn),人在運(yùn)動(dòng)過程中各部位的微動(dòng)隨著姿態(tài)的不同,所對應(yīng)的頻率也不同,在圖像中表現(xiàn)出的周期性和幅度也就不同。我們用實(shí)際的平均速度計(jì)算出跑步者和步行者多普勒頻率分別約為200 Hz和110 Hz,可以在圖中(白色曲線部分所示)明顯看到所對應(yīng)的就是人的軀干中心頻率。跑步者軀干相對應(yīng)的正弦曲線幅度其實(shí)就是人在運(yùn)動(dòng)中軀干的速度變化量,約為0.53 m/s,周期為0.35 s;步行者在運(yùn)動(dòng)中軀干的速度變化量約為0.32 m/s,周期為0.53 s。這與文獻(xiàn)[5]所闡述的結(jié)果一致;對于不同速度的車輛微動(dòng)信息檢測中我們發(fā)現(xiàn),在時(shí)間 距離像上,車輛的微多普勒信息幾近為一條寬帶(如圖13所示),微多普勒特性不明顯,區(qū)別僅在于多普勒中心頻率隨著速度的不同而不同,如圖14、圖15所示,分別表示速度為20 km/h和36 km/h車輛多普勒頻率,這與文獻(xiàn)[7]所表述的一致,得到目標(biāo)3的多普勒中心頻率近似為410 Hz。但是我們大體上也仍然可以看到一些類似于包絡(luò)狀的曲線,而且隨著速度的增大,汽車在多普勒頻率向上的頻率范圍也隨之增大,下一步我們會繼續(xù)對這些信息進(jìn)行分析研究。

圖14 車輛20 km/h多普勒頻率

圖15 車輛36 km/h多普勒頻率

通過圖6～圖8、圖11～圖15結(jié)果的分析比較,可以較為準(zhǔn)確地區(qū)分出人和車輛目標(biāo),并將其作為目標(biāo)分類的一種方法。該方法提取特征容易,運(yùn)算快速簡單,尤其適用于較為簡單的開闊場地。它的主要優(yōu)點(diǎn)有:一是對現(xiàn)有的Ku波段連續(xù)波雷達(dá)接收到回波數(shù)據(jù)后,經(jīng)過Dechirp處理,使得數(shù)據(jù)采集和信號處理變得簡單,更便于下一步分析研究;二是在對信號處理過程中,采用高通濾波、Hough變換等方法較為簡單且容易實(shí)現(xiàn),但是取得的效果最好,尤其是在雜波抑制中通過脈沖對消、均值濾波等方法,效果均不理想;三是特征提取中,對散射強(qiáng)度和距離擴(kuò)展的提取分別采用了能量求和和門限判別,速度計(jì)算均值,步態(tài)頻率運(yùn)用Hough變換,經(jīng)短時(shí)傅里葉變換獲取目標(biāo)微動(dòng)紋理特征。方法簡單,有效性高。

3 結(jié)束語

本文基于Ku波段雷達(dá)實(shí)測數(shù)據(jù),通過理論分析和實(shí)驗(yàn)研究相結(jié)合的方法對雷達(dá)徑向方向的人和車輛進(jìn)行了多普勒和微多普勒數(shù)據(jù)處理研究。首先介紹了雷達(dá)系統(tǒng)以及信號處理方法,接著對實(shí)測的回波信號進(jìn)行雜波抑制,利用Hough變換提取運(yùn)動(dòng)目標(biāo)軌跡,最后從目標(biāo)散射強(qiáng)度、距離擴(kuò)展寬度、速度和步態(tài)頻率四種特征對人和車輛進(jìn)行了分析計(jì)算,通過對比能夠快速地、較為準(zhǔn)確地分類識別人和車輛,證明了方法的有效性。

[1]高紅衛(wèi),文樹梁.微多普勒理論建模與仿真研究[J].中國電子科學(xué)研究院學(xué)報(bào),2008,3(1):34-39.GAO Hongwei,WEN Shuliang.Micro-Doppler Theory Modeling and Simulating Research[J].Iournal of China Academy of Electronics and Information Technology,2008,3(1):34-39.(in Chinese)

[2]維克托C·陳.雷達(dá)微多普勒信號特征的原理與應(yīng)用[J].雷達(dá)科學(xué)與技術(shù),2012,10(3):231-240.CHEN V C.Radar Micro-Doppler Signatures:Principle and Applications[J].Radar Science and Technology,2012,10(3):231-240.

[3]ALEMDAROGLU O T,CANDAN C,KOC S.The Extraction of Micro-Doppler Features from Human Motions[C]∥Signal Processing and Communications Applications Conference,Trabzon:IEEE,2014:726-729.

[4]RICCI R,BALLERI A.Recognition of Humans Based on Radar Micro-Doppler Shape Spectrum Features[J].IET Radar,Sonar&Navigation,2015,9(9):1216-1223.

[5]張翼.人體微動(dòng)雷達(dá)特征研究[D].長沙:國防科學(xué)技術(shù)大學(xué),2009.

[6]孫忠勝,王俊,畢嚴(yán)先,等.基于廣義S變換的多人微多普勒特征分析[J].系統(tǒng)工程與電子技術(shù),2014,36(7):1291-1297.SUN Zhongsheng,WANG Jun,BI Yanxian,et al.Analysis of Multi-Human Micro-Doppler Signatures Based on Generalized S Transform[J].Systems Engineering and Electronics,2014,36(7):1291-1297.(in Chinese)

[7]李彥兵.基于微多普勒效應(yīng)的運(yùn)動(dòng)車輛目標(biāo)分類研究[D].西安:西安電子科技大學(xué),2013.

[8]楊磊,王勇,羅丁利.基于微多普勒特征的運(yùn)動(dòng)車輛分類方法研究[J].火控雷達(dá)技術(shù),2014,43(3):36-39,58.YANG Lei,WANG Yong,LUO Dingli.Study on Moving Vehicles Classification Based on Micro-Doppler Signatures[J].Fire Control Radar Technology,2014,43(3):36-39,58.(in Chinese)

[9]RICHARDS M A.雷達(dá)信號處理基礎(chǔ)[M].邢孟道,王彤,李真芳,等譯.北京:電子工業(yè)出版社,2008.