基于EEMD的雷达信号特征提取分析优化方法及系统与流程

本发明涉及雷达信号处理，具体涉及基于eemd的雷达信号特征提取分析优化方法及系统。

背景技术：

1、在雷达目标探测与识别过程中，回波信号往往呈现出非线性、非平稳的时变特性，尤其在复杂环境下，目标回波与杂波、噪声在时频域上高度交叠。传统短时傅里叶变换受海森堡测不准原理约束，无法同时兼顾时频分辨率，经典emd虽然可以实现自适应分解信号，却极易出现模态混叠，还会生成大量无物理意义的虚假分量，严重干扰真实特征提取。

2、针对emd的缺陷，现有技术提出了采用集合经验模态分解通过向待分解信号中多次添加白噪声并进行集合平均的方法，利用噪声的统计特性来抑制模态混叠。然而，现有eemd方案在实际雷达信号处理过程中应用固定幅值的全局噪声注入缺乏时频自适应能力，易污染目标主成分且无法有效填充频谱间隙，并且跨次分解的imf缺乏对应识别机制，同一物理模态易出现阶数漂移，同一物理模态在不同噪声实现下易出现阶数漂移，最终导致目标分量误判、噪声抑制不彻底，影响雷达目标特征提取的整体精度。

3、综上，现有技术存在模态混叠严重、虚假分量多，导致雷达信号噪声抑制不彻底、目标分离困难，进而影响目标特征提取精度的技术问题。

技术实现思路

1、本技术的目的是提供基于eemd的雷达信号特征提取分析优化方法及系统，用于解决现有技术存在模态混叠严重、虚假分量多，导致雷达信号噪声抑制不彻底、目标分离困难，进而影响目标特征提取精度的技术问题。

2、鉴于上述问题，本技术提供了基于eemd的雷达信号特征提取分析优化方法及系统。

3、本技术的第一个方面，提供了基于eemd的雷达信号特征提取分析优化方法，所述基于eemd的雷达信号特征提取分析优化方法包括：在接收原始回波信号后，经回波采集器执行模数转换及时间序列重构，形成待处理时序信号；对所述待处理时序信号进行频谱能量分布分析和局部时频密度估计，构建谱域权重映射关系；在噪声注入控制器接收谱域权重映射关系后，向所述待处理时序信号执行多次非均匀幅值调制的随机噪声叠加处理，生成多组扰动信号集合；对所述多组扰动信号集合分别进行经验模态分解，建立本征模态函数序列，基于各本征模态函数的瞬时频率分布及能量特征构建跨扰动集合的模态相似性度量指标；利用模态相似性度量指标进行不同扰动信号分解结果的模态分量聚类对齐与归并重构，生成统一模态分量集合；对统一模态分量集合基于能量集中度、瞬时频率稳定性、时频轨迹连续性及与杂波模板的匹配偏离度建立多维模态评价指标，定位核心模态分量子集；执行核心模态分量子集的特征提取，输出特征提取结果。

4、可选地，将所述核心模态分量子集分别输入至回波处理链路中的包络解调单元与相位跟踪单元，提取对应的瞬时幅值序列及瞬时相位序列，经相位展开处理构建瞬时频率序列；调用匹配滤波器的发射信号参考模板对所述瞬时频率序列执行脉冲压缩一致性校正，提取目标散射强度主特征，并对所述瞬时频率序列执行微多普勒扰动分离，获取目标运动频移特征；基于所述谱域权重映射关系对所述目标散射强度主特征、所述目标运动频移特征进行加权耦合，构建时频联合约束的目标特征向量，将所述目标特征向量作为特征提取结果输出。

5、可选地，噪声注入控制器根据谱域权重映射关系将待处理时序信号划分为多个时频局部子区间，并为每个时频局部子区间分配对应的噪声注入权重系数，其中，所述噪声注入权重系数与对应时频局部子区间的能量密度及频谱稀疏程度呈反向关联；在读取多组具有不同随机种子及幅值分布参数的噪声序列后，依据所述噪声注入权重系数对噪声序列进行分段幅值调制，使得噪声在高能量集中区域受限注入，在低能量或频谱间隙区域增强注入；将调制后的噪声序列与所述待处理时序信号进行逐次叠加，并在每次叠加过程中对叠加后信号的整体信噪比及局部频带扰动强度进行约束校正，生成多组扰动信号集合。

6、可选地，以所述扰动信号集合的生成顺序为约束，提取各本征模态函数模态分量对应的瞬时频率演化轨迹及能量分布序列，并在统一时间索引下建立跨扰动的模态候选对应关系；利用所述模态候选对应关系对不同扰动结果中潜在对应的模态分量执行逐段轨迹对齐与能量分布匹配，计算反映频率演化一致性与能量集中趋势一致性的局部匹配度，并沿时间维度形成连续匹配响应序列；对所述连续匹配响应序列进行全时域积分融合，结合各模态分量在多次扰动中的出现频次及稳定持续区间构建表征模态跨扰动一致性与存在稳定性的模态相似性度量指标。

7、可选地，对所述统一模态分量集合中的每一个模态分量进行希尔伯特变换，提取分量瞬时幅值序列和分量瞬时频率序列；根据所述分量瞬时幅值序列计算模态分量的总能量，并基于所述分量瞬时频率序列的聚集范围界定时频紧致支撑区，将所述时频紧致支撑区内能量与所述总能量的比值作为能量集中度指标；对所述分量瞬时频率序列计算归一化局部方差，将计算结果作为瞬时频率稳定性指标；对所述分量瞬时频率序列进行时频轨迹连续性检测，计算相邻采样时刻的频率差分，将差分绝对值超过预设频率连贯门限的位置标记为断裂点，依据最大连续无断裂片段长度与序列总长度的比值生成时频轨迹连续性指标；获取与雷达当前探测场景中典型杂波分布特性对应的杂波时频模板，计算所述模态分量的时频分布与所述杂波时频模板的二维归一化互相关系数，构建匹配偏离度指标；将能量集中度指标、瞬时频率稳定性指标、时频轨迹连续性指标、匹配偏离度指标作为多维模态评价指标输出。

8、可选地，依据所述谱域权重映射关系确定模态分量在各时频区域的评价关注度权重；利用评价关注度权重对所述能量集中度指标、瞬时频率稳定性指标、时频轨迹连续性指标和匹配偏离度指标进行加权融合，建立每一模态分量的目标置信度评分；将所述统一模态分量集合中所有模态分量的目标置信度评分与所述跨扰动集合的模态相似性度量指标进行联合判别，筛选出目标置信度评分高于自适应阈值且模态相似性度量指标满足预设稳定性判据的模态分量，构成所述核心模态分量子集。

9、可选地，所述回波采集器包括模数转换芯片与现场可编程门阵列前端预处理模块，所述模数转换芯片对原始回波信号进行采样，并将采样数据流通过直接内存访问通道传输至现场可编程门阵列前端预处理模块，其中，所述现场可编程门阵列前端预处理模块内置时间序列重构逻辑，对采样数据流进行分段缓存与对齐拼接生成所述待处理时序信号。

10、可选地，现场可编程门阵列内的并行计算阵列对所述多组扰动信号集合分别进行经验模态分解，其中，所述并行计算阵列包含多个独立的经验模态分解处理核，各经验模态分解处理核共享所述待处理时序信号与调制后的噪声序列，并行执行叠加与分解运算，将分解得到的本征模态函数序列写入片外双倍速率同步动态随机存储器中。

11、可选地，噪声注入控制器集成于现场可编程门阵列内部，并配置有硬件随机数发生子模块，用于生成多组具有不同随机种子的噪声序列。

12、本技术的第二个方面，提供了基于eemd的雷达信号特征提取分析优化系统，所述基于eemd的雷达信号特征提取分析优化系统包括：处理信号形成组件，用于在接收原始回波信号后，经回波采集器执行模数转换及时间序列重构，形成待处理时序信号；信号分析组件，用于对所述待处理时序信号进行频谱能量分布分析和局部时频密度估计，构建谱域权重映射关系；扰动信号生成组件，用于在噪声注入控制器接收谱域权重映射关系后，向所述待处理时序信号执行多次非均匀幅值调制的随机噪声叠加处理，生成多组扰动信号集合；度量指标构建组件，用于对所述多组扰动信号集合分别进行经验模态分解，建立本征模态函数序列，基于各本征模态函数的瞬时频率分布及能量特征构建跨扰动集合的模态相似性度量指标；模态分量处理组件，用于利用模态相似性度量指标进行不同扰动信号分解结果的模态分量聚类对齐与归并重构，生成统一模态分量集合；评价指标建立组件，用于对统一模态分量集合基于能量集中度、瞬时频率稳定性、时频轨迹连续性及与杂波模板的匹配偏离度建立多维模态评价指标，定位核心模态分量子集；特征提取组件，用于执行核心模态分量子集的特征提取，输出特征提取结果。

13、本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：

14、通过在接收原始回波信号后，经回波采集器执行模数转换及时间序列重构，形成待处理时序信号；对所述待处理时序信号进行频谱能量分布分析和局部时频密度估计，构建谱域权重映射关系；在噪声注入控制器接收谱域权重映射关系后，向所述待处理时序信号执行多次非均匀幅值调制的随机噪声叠加处理，生成多组扰动信号集合；对所述多组扰动信号集合分别进行经验模态分解，建立本征模态函数序列，基于各本征模态函数的瞬时频率分布及能量特征构建跨扰动集合的模态相似性度量指标；利用模态相似性度量指标进行不同扰动信号分解结果的模态分量聚类对齐与归并重构，生成统一模态分量集合；对统一模态分量集合基于能量集中度、瞬时频率稳定性、时频轨迹连续性及与杂波模板的匹配偏离度建立多维模态评价指标，定位核心模态分量子集；执行核心模态分量子集的特征提取，输出特征提取结果。达到了通过全链路优化eemd雷达信号处理，实现雷达信号噪声精准抑制与目标有效分离，进而提高目标特征提取精度的技术效果。

15、上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其他目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本技术的实施例的关键或重要特征，也不用于限制本技术的范围。本技术的其他特征将通过以下的说明书而变得容易理解。