高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

低信噪比条件下目标螺旋桨参数估计方法

韩闯 冷冰 兰朝凤 邢博闻

韩闯, 冷冰, 兰朝凤, 邢博闻. 低信噪比条件下目标螺旋桨参数估计方法[J]. 电子与信息学报. doi: 10.11999/JEIT240790
引用本文: 韩闯, 冷冰, 兰朝凤, 邢博闻. 低信噪比条件下目标螺旋桨参数估计方法[J]. 电子与信息学报. doi: 10.11999/JEIT240790
HAN Chuang, LENG Bing, LAN Chaofeng, XING Bowen. Estimation Method of Target Propeller Parameters under Low Signal-to-noise Ratio[J]. Journal of Electronics & Information Technology. doi: 10.11999/JEIT240790
Citation: HAN Chuang, LENG Bing, LAN Chaofeng, XING Bowen. Estimation Method of Target Propeller Parameters under Low Signal-to-noise Ratio[J]. Journal of Electronics & Information Technology. doi: 10.11999/JEIT240790

低信噪比条件下目标螺旋桨参数估计方法

doi: 10.11999/JEIT240790 cstr: 32379.14.JEIT240790
基金项目: 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)
详细信息
    作者简介:

    韩闯:男,副教授,研究方向为水下目标识别、水声信号处理

    冷冰:男,硕士生,研究方向为水声信号处理

    兰朝凤:女,副教授,研究方向为语音信号处理与分析、水声信号处理

    邢博闻:男,副教授,研究方向为水声信号处理、海洋环境监测

    通讯作者:

    邢博闻 bwxing@shou.edu.cn

  • 中图分类号: TN911.23

Estimation Method of Target Propeller Parameters under Low Signal-to-noise Ratio

Funds: The National Natural Science Foundation of China (11804068), The Natural Science Foundation of Heilongjiang Province (LH2020F033), Heilongjiang Provincial Undergraduate Colleges and Universities Outstanding Young Teachers Basic Research Support Program (YQJH2024077)
  • 摘要: 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。
  • 图  1  声探测设备与螺旋桨的空间几何关系

    图  2  理想三叶片回波信号仿真结果图

    图  3  理想三叶片回波信号时频图

    图  4  回波信号CVMD重构基本流程

    图  5  CVMD实现带噪回波去噪流程图

    图  6  OMP估计叶片数流程图

    图  7  三叶片带噪信号仿真结果图

    图  8  带噪信号CVMD实部分解结果

    图  9  带噪信号CVMD虚部分解结果

    图  10  CVMD去噪后的信号波形和频谱

    图  11  CVMD处理后信号时频图

    图  12  CVMD处理后信号时频图

    图  13  奇数叶片OMP估计结果

    图  14  偶数叶片OMP估计结果

    图  15  估计算法的性能与效率对比

    表  1  每个模态的相关系数

    IMF1IMF2IMF3IMF4IMF5IMF6IMF7IMF8
    实部相关系数0.437 50.477 70.464 40.285 30.009 20.003 10.001 40.000 7
    虚部相关系数0.435 40.472 90.465 90.309 60.009 40.003 20.001 50.000 7
    下载: 导出CSV

    表  2  CVMD去噪效果指标

    SNR(dB) MSE NCC SNR(dB) MSE NCC
    去噪前 –10.401 1 0.143 0 0.299 3 –8.648 2 0.090 3 0.373 8
    去噪后 1.757 3 0.009 9 0.748 6 3.830 8 0.005 9 0.827 7
    去噪前 –6.184 9 0.045 2 0.489 0 –3.021 8 0.014 4 0.705 8
    去噪后 5.540 8 0.003 9 0.855 5 5.985 9 0.003 6 0.864 8
    下载: 导出CSV

    表  3  不同去噪方法指标对比

    分解方法ΔSNR(dB)MSENCC
    EMD-WT3.20.0320.65
    CCEMDAN-WT5.10.0210.73
    CVMD12.40.0090.85
    下载: 导出CSV

    表  4  不同信噪比下叶片数估计准确率(%)

    SNR (dB) OMP CoSaMP SP IHT
    –10 91.9 92.2 91.8 91.6
    –5 92.5 93.1 92.9 92.8
    0 94.4 94.0 94.1 94.4
    5 96.2 96.7 96.8 96.4
    10 98.0 97.6 97.5 98.0
    下载: 导出CSV

    表  5  不同信噪比下单次估计耗时(ms)

    SNR (dB) OMP CoSaMP SP IHT
    –10 1.73 2.30 3.10 3.83
    –5 1.82 2.37 3.07 3.88
    0 1.66 2.31 3.11 3.79
    5 1.70 2.44 3.06 3.69
    10 1.69 2.35 3.12 3.75
    下载: 导出CSV

    表  6  不同信噪比下螺旋桨参数的估计结果

    SNR(dB) 桨叶数估计准确率(%) 桨长MAE(m) 转速MAE(r/s)
    –10 91.9 0.021 0.31
    –5 92.5 0.015 0.23
    0 94.4 0.010 0.18
    5 96.2 0.008 0.11
    10 98.0 0.004 0.07
    下载: 导出CSV
  • [1] CHEN V C, LI F, HO S S, et al. Micro-Doppler effect in radar: Phenomenon, model, and simulation study[J]. IEEE Transactions on Aerospace and Electronic Systems, 2006, 42(1): 2–21. doi: 10.1109/TAES.2006.1603402.
    [2] CHEN V C. The Micro-Doppler Effect in Radar[M]. Boston: Artech House, 2011: 5–25.
    [3] CHEN V C, TAHMOUSH D, and MICELI W J. Radar Micro-Doppler Signature: Processing and Applications[M]. UK: The Institution of Engineering and Technology, 2014: 187–227.
    [4] TAHMOUSH D. Review of micro-Doppler signatures[J]. IET Radar, Sonar & Navigation, 2015, 9(9): 1140–1146. doi: 10.1049/iet-rsn.2015.0118.
    [5] LI Yuxing and WANG Long. A novel noise reduction technique for underwater acoustic signals based on complete ensemble empirical mode decomposition with adaptive noise, minimum mean square variance criterion and least mean square adaptive filter[J]. Defence Technology, 2020, 16(3): 543–554. doi: 10.1016/j.dt.2019.07.020.
    [6] HUANG N E and SHEN S S P. Hilbert-Huang Transform and its Applications[M]. Singapore: World Scientific Publishing, 1998: 1–202.
    [7] 夏赛强, 向虎, 陈文峰, 等. 基于CEMD的旋翼微动目标杂波抑制方法[J]. 航空学报, 2018, 39(9): 322082. doi: 10.7527/S1000-6893.2018.22082.

    XIA Saiqiang, XIANG Hu, CHEN Wenfeng, et al. Clutter suppression method for rotor micro-motion target based on CEMD[J]. Acta Aeronautica et Astronautica Sinica, 2018, 39(9): 322082. doi: 10.7527/S1000-6893.2018.22082.
    [8] DRAGOMIRETSKIY K and ZOSSO D. Variational mode decomposition[J]. IEEE Transactions on Signal Processing, 2014, 62(3): 531–544. doi: 10.1109/TSP.2013.2288675.
    [9] YANG Degui, LI Jin, LIANG Buge, et al. A multi-rotor drone micro-motion parameter estimation method based on CVMD and SVD[J]. Remote Sensing, 2022, 14(14): 3326. doi: 10.3390/rs14143326.
    [10] 李中余, 桂亮, 海宇, 等. 基于变分模态分解与优选的超高分辨ISAR成像微多普勒抑制方法[J]. 雷达学报, 2024, 13(4): 852–865. doi: 10.12000/JR24043.

    LI Zhongyu, GUI Liang, HAI Yu, et al. Ultrahigh-resolution ISAR micro-Doppler suppression methodology based on variational mode decomposition and mode optimization[J]. Journal of Radars, 2024, 13(4): 852–865. doi: 10.12000/JR24043.
    [11] SAFFARI A, ZAHIRI S H, and KHISHE M. Automatic recognition of sonar targets using feature selection in micro-Doppler signature[J]. Defence Technology, 2023, 20: 58–71. doi: 10.1016/j.dt.2022.05.007.
    [12] 周毅恒, 杨军, 夏赛强, 等. 闪烁现象下旋翼目标微动参数估计方法[J]. 系统工程与电子技术, 2022, 44(1): 54–63. doi: 10.12305/j.issn.1001-506X.2022.01.08.

    ZHOU Yiheng, YANG Jun, XIA Saiqiang, et al. Estimation method of micro-motion parameters for rotor targets under flashing[J]. Systems Engineering and Electronics, 2022, 44(1): 54–63. doi: 10.12305/j.issn.1001-506X.2022.01.08.
    [13] 唐波, 谭思炜, 张静远. 水下声探测系统载体振动干扰分析及抑制方法[J]. 国防科技大学学报, 2022, 44(6): 89–94. doi: 10.11887/j.cn.202206011.

    TANG Bo, TAN Siwei, and ZHANG Jingyuan. Vibration interference analysis of underwater acoustic detection system and its suppressing method[J]. Journal of National University of Defense Technology, 2022, 44(6): 89–94. doi: 10.11887/j.cn.202206011.
    [14] 周烨, 温玮, 韩建辉, 等. 基于声固耦合的水下复杂目标声散射研究[J]. 水下无人系统学报, 2020, 28(1): 51–56. doi: 10.11993/j.issn.2096-3920.2020.01.008.

    ZHOU Ye, WEN Wei, HAN Jianhui, et al. Research on acoustic scattering of underwater complicated target based on sound-solid coupling[J]. Journal of Unmanned Undersea Systems, 2020, 28(1): 51–56. doi: 10.11993/j.issn.2096-3920.2020.01.008.
    [15] 张天翼. 基于微多普勒的窄带雷达目标分类系统设计[D]. [硕士论文], 哈尔滨工程大学, 2019.

    ZHANG Tianyi. Design of narrow-band radar target recognition air target classification system based on micro-Doppler[D]. [Master dissertation], Harbin Engineering University, 2019.
    [16] 任科. 基于窄带雷达的目标微多普勒特征提取研究[D]. [博士论文], 西安电子科技大学, 2021. doi: 10.27389/d.cnki.gxadu.2021.003236.

    REN Ke. Study on micro-Doppler feature extraction of targets based on narrowband radar[D]. [Ph. D. dissertation], Xidian University, 2021. doi: 10.27389/d.cnki.gxadu.2021.003236.
    [17] TANG Bo, ZHANG Linsen, and TAN Siwei. Parameter estimation of underwater propeller based on inverse Radon transform[J]. Journal of Measurements in Engineering, 2022, 10(4): 179–187. doi: 10.21595/jme.2022.22781.
    [18] XIA Saiqiang, YANG Jun, CAI Wanyong, et al. Adaptive complex variational mode decomposition for micro-motion signal processing applications[J]. Sensors, 2021, 21(5): 1637. doi: 10.3390/s21051637.
    [19] CUI Xiaolong, HUANG Jie, LI Chaoshun, et al. Three-dimensional instantaneous orbit map for rotor-bearing system based on a novel multivariate complex variational mode decomposition algorithm[J]. Mechanical Systems and Signal Processing, 2022, 178: 109211. doi: 10.1016/j.ymssp.2022.109211.
    [20] TANAKA T and MANDIC D P. Complex empirical mode decomposition[J]. IEEE Signal Processing Letters, 2007, 14(2): 101–104. doi: 10.1109/LSP.2006.882107.
    [21] 张朝伟, 夏赛强, 杨军, 等. 低信噪比条件下直升机微动特征提取方法[J]. 雷达科学与技术, 2021, 19(6): 689–696. doi: 10.3969/j.issn.1672-2337.2021.06.007.

    ZHANG Chaowei, XIA Saiqiang, YANG Jun, et al. An extraction method for helicopter micro-motion features under low SNR[J]. Radar Science and Technology, 2021, 19(6): 689–696. doi: 10.3969/j.issn.1672-2337.2021.06.007.
    [22] 杜立彬, 王政凯, 吕志超, 等. 基于辐射噪声特征的舰船目标识别分类方法综述[J]. 数字海洋与水下攻防, 2023, 6(5): 613–621. doi: 10.19838/j.issn.2096-5753.2023.05.012.

    DU Libin, WANG Zhengkai, LYU Zhichao, et al. A review of ship target recognition and classification methods based on radiated noise features[J]. Digital Ocean & Underwater Warfare, 2023, 6(5): 613–621. doi: 10.19838/j.issn.2096-5753.2023.05.012.
    [23] 施晶, 朱明, 沈华, 等. 基于VMD和小波阈值的水听器信号去噪方法[J]. 传感技术学报, 2020, 33(7): 1003–1012. doi: 10.3969/j.issn.1004-1699.2020.07.013.

    SHI Jing, ZHU Ming, SHEN Hua, et al. Denoising method of hydrophone signal based on VMD and wavelet threshold[J]. Chinese Journal of Sensors and Actuators, 2020, 33(7): 1003–1012. doi: 10.3969/j.issn.1004-1699.2020.07.013.
  • 加载中
图(15) / 表(6)
计量
  • 文章访问数:  89
  • HTML全文浏览量:  42
  • PDF下载量:  14
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-09-12
  • 修回日期:  2025-06-06
  • 网络出版日期:  2025-06-24

目录

    /

    返回文章
    返回