(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

雷達多普勒效應(yīng)是指目標與雷達之間的相對運動導(dǎo)致雷達回波信號頻率發(fā)生頻移的一種物理現(xiàn)象。多普勒效應(yīng)已在雷達雜波抑制、雷達分辨率提高、雷達成像等方面產(chǎn)生了重要應(yīng)用。近十多年來,由雷達目標部件產(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)是指雷達目標上微小運動部件的振動或旋轉(zhuǎn)對雷達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動所引起的雷達微多普勒效應(yīng),實現(xiàn)人體目標的探測、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]。對于人體目標而言,文獻[5]將人體各肢體運動進行了仿真并通過實測數(shù)據(jù)對運動參數(shù)進行了估計,運用支持矢量機對單人運動模式進行分類;文獻[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行了仿真,但是并未在實測中加以運用。對于車輛目標來說,文獻[7]較為詳細地對輪式及履帶式車輛目標進行了建模,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行分類,算法較為復(fù)雜,主要針對車輛目標,且對復(fù)雜環(huán)境的考慮較為欠缺;文獻[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行了分類,但是前提條件為窄帶雷達。

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

1 雷達系統(tǒng)設(shè)計和信號處理方法

調(diào)頻連續(xù)波雷達(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),獲得更準確的距離精度和距離分辨率。FMCW雷達系統(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)存儲或者實時成像處理。

圖1 FMCW雷達系統(tǒng)框圖

就系統(tǒng)實現(xiàn)而言,發(fā)射機無需發(fā)射高峰值功率信號,簡化了發(fā)射機實現(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)為慢時間,T為脈沖重復(fù)間隔,^t=t-tm為快時間,fc為載頻,μ為調(diào)頻率,Tp為脈沖持續(xù)時間。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時刻散射點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為點目標與參考距離之差。在式(2)中,第一個指數(shù)項與目標距離點有關(guān),當目標為靜止點目標時,該項為固定相位項;第二個指數(shù)項為與目標距離的平方成正比的相位項,稱為殘余視頻相位(RVP);第三個指數(shù)項為時間的一次項,表明差頻信號是單頻信號,且頻率與ΔR i(tm)成正比。此時較高的載頻被去除,對差頻信號進行采樣的頻率大大下降,大大降低了數(shù)據(jù)量。對上式快時間進行傅里葉變換,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)項為R i(tm)≠0時的包絡(luò)置斜項。sinc(u)=處,相位就是我們需要的多普勒信息。第二和第三個指數(shù)項會對信號產(chǎn)生干擾,需要進行消除,由于sinc函數(shù)其峰值位于f=可以近似地認為,要對距離為R i(tm)的目標進行處的相位消除即可。對后面兩個指數(shù)項進行代換化簡可得

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,距離即為因此也將稱為時間-距離像。

實際場景中存在著大量的靜物雜波,而運動人體多普勒頻譜較為微弱,淹沒在靜物雜波中,因此為了檢測運動目標,必須要對這些靜止雜波進行抑制。靜止目標在距離向上表現(xiàn)為沿慢時間的一條直線,常用的靜物雜波抑制的方法有方位向濾波和二脈沖對消等方法。在本文中采用高通濾波實現(xiàn)對靜物雜波進行抑制。雜波抑制后,我們發(fā)現(xiàn)運動目標在距離向上表現(xiàn)為沿慢時間的一條斜線。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運動直線軌跡,提取運動軌跡周圍的距離單元就包含運動目標的全部多普勒信息。

目標運動會使目標產(chǎn)生越距離單元徙動,為了分析目標運動的微多普勒特征,可以將sr(n,m)沿距離維累加形成沿時間維的一維信號,對該一維信號進行短時傅里葉變換即可得到實際目標運動的微多普勒譜,即

2 實驗結(jié)果與分析

2.1 實驗場景

實驗中雷達工作在Ku波段,發(fā)射帶寬為600 MHz,脈沖重復(fù)頻率(PRF)為2 000 Hz。為了實驗的順利進行,我們選擇的實驗場景為一湖面開闊地帶,如圖2所示的Google地圖。

實際實驗場景圖如圖3所示。圖4為實驗場景布置圖。將雷達置于湖上小島岸邊A1位置,對湖東側(cè)簡易公路距離724 m的“T”型區(qū)域進行照射,運動路徑從A2到A3位置(約92 m),場地空曠,無明顯建筑。

圖2 實驗場景示意圖

圖3 實際實驗場景圖

圖4 實驗場景布置圖

在實驗中加入3個運動目標,其中目標1和目標2為人體目標,目標3為車輛目標(三廂小轎車),3個目標均在雷達徑向方向上遠離雷達方向運動(從A2向A3方向運動),目標1和目標2之間距離5 m,目標2和目標3之間距離10 m,目標1以勻速跑步接近步行中的目標2,其所在的位置與徑向速度如表1所示。

表1 運動目標參數(shù)

2.2 實驗結(jié)果分析

通過對實測數(shù)據(jù)的處理得到雜波抑制前的時間-距離像(如圖5所示)和高通濾波雜波抑制后的時間-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,靜止目標隨著時間的變化在距離向上表現(xiàn)為一條水平的直線,而運動的目標隨著時間的變化,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動目標的軌跡。

圖5 雜波抑制前的時間距離像

圖6 雜波抑制后的時間距離像

2.2.1 散射強度分析

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,由此可以判定另外兩個運動目標被淹沒在靜物雜波中。雜波抑制后,可以清晰地看到3條運動軌跡,由上到下依次對應(yīng)1,2,3號運動目標,其中以車輛的運動軌跡最為明顯,同時,也可以看到兩個人體在運動過程中因為速度的不同最終會在某個距離位置上相遇。在文獻[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)。以上圖的實測數(shù)據(jù)為例,為了便于能量統(tǒng)計,對不同的目標軌跡分別乘以一個線性相位,使目標能量集中在一個矩形區(qū)域內(nèi),通過對幅值求和計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[9]描述的RCS數(shù)值基本一致,因此,可以把目標散射強度作為區(qū)分人和車輛的一種基本度量。

2.2.2 距離擴展目標分析

對于高分辨率雷達,它的距離分辨率通常可達亞米級到米級。這一方面導(dǎo)致目標在距離向上可能占據(jù)多個距離分辨單元,即目標表現(xiàn)為距離擴展目標,另一方面導(dǎo)致目標在雷達觀測期間可能跨越多個距離單元,即目標發(fā)生越距離單元走動。以圖6為例,我們發(fā)現(xiàn)對于不同的目標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展目標像明顯不同。人體和車輛距離擴展寬度如圖7、圖8所示。

因此,也可以將距離擴展作為區(qū)分不同目標的一種方法。對于我們的雷達體制而言,采取的方法是對不同目標信號幅值設(shè)置一定的門限,以車輛為例,以車輛散射中心能量最強點幅值為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展為1.22 m。人的散射中心能量最強點幅值為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展為0.73 m。

2.2.3 速度分析

圖7 人體距離擴展寬度

圖8 車輛距離擴展寬度

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可以計算得到目標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動,從而獲得一個較好的多普勒頻率),在零時刻位置位于738 m;目標2在4 s內(nèi)的平均速度為1.2 m/s,在零時刻位置位于742 m。對車輛的速度進行計算,得到目標3在4 s內(nèi)的平均速度為4.5 m/s。通過與運動目標參數(shù)相比較,我們發(fā)現(xiàn)實驗計算結(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,當目標速度在雷達視線(LOS)方向分量為朝向雷達運動時產(chǎn)生正的多普勒頻移,目標遠離雷達方向時產(chǎn)生負的多普勒頻移,多普勒頻移的表達式為

式中,v為目標沿著雷達視線的徑向速度,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,如圖9所示,其中峰值點較為分散的為車輛目標,峰值點較為集中的為人體目標,由于兩個人體運動軌跡斜率相差不大,所以兩個峰值點距離比較靠近。在時間-距離向上提取運動目標軌跡,得到的結(jié)果如圖10所示,白色直線即為目標的運動軌跡,用以獲取運動目標的紋理特征,白色直線以及周圍的距離單元就包含目標的全部多普勒信息,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行Hough變換時,提取到的直線與運動軌跡沒法完全覆蓋,這一方面是散射干擾造成的,另一方面也是由距離擴展目標造成的。

由于目標運動會使目標產(chǎn)生越距離單元徙動,為了分析運動目標的微多普勒特征,對離散信號沿距離維累加形成沿時間維的一維信號,在該一維信號進行短時傅里葉變換即可得到實際運動目標的微多普勒譜,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),人在運動過程中各部位的微動隨著姿態(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。我們用實際的平均速度計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就是人在運動中軀干的速度變化量,約為0.53 m/s,周期為0.35 s;步行者在運動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[5]所闡述的結(jié)果一致;對于不同速度的車輛微動信息檢測中我們發(fā)現(xiàn),在時間 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[7]所表述的一致,得到目標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,可以較為準確地區(qū)分出人和車輛目標,并將其作為目標分類的一種方法。該方法提取特征容易,運算快速簡單,尤其適用于較為簡單的開闊場地。它的主要優(yōu)點有:一是對現(xiàn)有的Ku波段連續(xù)波雷達接收到回波數(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,對散射強度和距離擴展的提取分別采用了能量求和和門限判別,速度計算均值,步態(tài)頻率運用Hough變換,經(jīng)短時傅里葉變換獲取目標微動紋理特征。方法簡單,有效性高。

3 結(jié)束語

本文基于Ku波段雷達實測數(shù)據(jù),通過理論分析和實驗研究相結(jié)合的方法對雷達徑向方向的人和車輛進行了多普勒和微多普勒數(shù)據(jù)處理研究。首先介紹了雷達系統(tǒng)以及信號處理方法,接著對實測的回波信號進行雜波抑制,利用Hough變換提取運動目標軌跡,最后從目標散射強度、距離擴展寬度、速度和步態(tài)頻率四種特征對人和車輛進行了分析計算,通過對比能夠快速地、較為準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,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.雷達微多普勒信號特征的原理與應(yīng)用[J].雷達科學(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.人體微動雷達特征研究[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)的運動車輛目標分類研究[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動車輛分類方法研究[J].火控雷達技術(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.