-
题名低信噪比条件下目标螺旋桨参数估计方法
- 1
-
-
作者
韩闯
冷冰
兰朝凤
邢博闻
-
机构
哈尔滨理工大学测控技术与通信工程学院
上海海洋大学工程学院
-
出处
《电子与信息学报》
北大核心
2025年第7期2149-2162,共14页
-
基金
国家自然科学基金(11804068)
黑龙江省自然科学基金(LH2020F033)
黑龙江省省属本科高校优秀青年教师基础研究支持计划(YQJH2024077)。
-
文摘
螺旋桨广泛应用于各类航空与航海设备中,如无人机、直升机以及水下舰船,尤其在水下目标探测中,目标的螺旋桨能提供丰富的特征信息。螺旋桨的微动产生的微多普勒频率能够反映其结构和动态行为,成为识别海洋目标的重要指标。准确识别水下目标螺旋桨的参数,如桨叶数目、桨叶长度以及转速等,对于目标的身份识别具有重要意义。然而,水下探测环境复杂多变,杂波干扰成为常态,对微动特征精准提取构成了挑战,尤其是强杂波背景下,信号处理的难度显著增加。以水下目标螺旋桨参数识别为例,该文针对低信噪比条件下螺旋桨参数估计的挑战,提出一种基于复数域变分模态分解(CVMD)和正交匹配追踪(OMP)算法的新方法。首先分析了螺旋桨回波信号的复杂特性,探讨了传统方法在噪声环境下的局限性。随后,引入CVMD算法对信号进行分解和去噪处理,有效提高了信号的分离能力和抗噪声能力。通过时频分析获取目标闪烁参数,并将其作为先验信息对稀疏字典进行降维处理,降低正交匹配追踪算法的运算量,提高了微动特征参数的估计精度,利用OMP算法,精确提取了螺旋桨的微多普勒特征,实验结果验证了方法的有效性和稳定性。最后,比较了CVMD-OMP方法与传统方法在不同信噪比条件下的性能表现,展示了其在水下声学目标识别中的应用潜力和优势。
-
关键词
微多普勒
信号去噪
特征提取
复数域变分模态分解
正交匹配追踪
-
Keywords
Micro-doppler
Signal denoising
Feature extraction
Complex Variational Mode Decomposition(CVMD)
Orthogonal Matching Pursuit(OMP)
-
分类号
TN911.23
[电子电信—通信与信息系统]
-
