回波信号提取（精选7篇）
回波信号提取 篇1
超宽带雷达UWBR(Ultra Wide-band Radar)明确的概念形成于1990年3月在美国新墨西哥州Los Alamos国家实验室召开的雷达会议。UWBR通常是指分数带宽大于或等于25%的雷达。超宽带探地雷达由于频谱中高频含量丰富,可获得较高的时空分辨率,最初主要是用于改善雷达系统的距离分辨率。然而,随着研究工作的逐步深入,人们很快发现,除了极高的距离分辨力使得该雷达可分辨目标体上的微小结构外,其获取目标和环境信息的能力在频域的大幅度扩展的同时,激励目标瑞利区、谐振区及光学区散射特性,进而使提取目标和环境更为丰富的电磁波谱信息成为可能[1]。基于超宽带雷达信号目标的特性提取与识别近年来已成为国内外透视成像探测技术发展的一个新热点[2]。
探地雷达主要由发射机、接收机、发射天线、接收天线,信号处理及终端设备组成。探地雷达信号处理任务主要有:滤波技术、信号检测、目标特征提取与识别等几个方面。探地雷达系统通过发射超宽带信号,接收其反射回波,并利用回波特性,实现地下目标特征提取与识别。
1 超宽谱雷达系统原理
图1为超宽谱雷达的系统原理框图。脉冲振荡器产生脉冲信号,该信号触发电磁脉冲发生器产生窄脉冲并通过发射天线辐射出去。反射信号经过接收天线送到接收机采样头,由脉冲振荡器产生的信号经过扫描延时电路产生距离门,对接收信号进行选择;接收到的信号通过积分电路,对成千上万个脉冲积累后检出微弱信号,放大电路对该信号进行放大,微分电路对放大后的信号进行微分,把由于目标运动引起的积累信号的变化检测出来;该信号经高速采集后送入计算机,由计算机对采集到的信号进行分析和处理。
超宽带信号产生:由线性反馈移位寄存器产生二进制序列,用伪随机码(PN码)对其作时间偏移调制(TH调制),使发射脉冲根据PN码做不同的延时后再发送出去,伪随机编码序列脉冲成为类似微波噪声的超宽带信号。
超宽带信号接收:相关接收机通过接收天线连接低噪声宽带放大器(LNA)、采样电路、放大器、滤波器等微波器件,此方案如图2所示[3]。
2 信号处理用于目标特征的提取与材质识别
信号处理的目的就是压制直达波,提高信噪比,以便于信号检测和参数估计。在超宽带信号照射下,从目标散射中心返回的回波信号有别于窄带雷达,接收机输入端的信号不再仅是发射信号的延迟和多普勒频移。雷达目标信息的提取与回波信号密切相关。通过信号检测和参数估计,估计对应目标点的时延和反射系统,进而通过一次反射波的时延确定地下目标的深度;通过一次反射波的反射系数确定目标的材质特性。
目标识别包括三个主要部分:数据处理、特征提取和识别。其中数据处理主要包括直达波剔除和信号滤波,用于提取典型纵向、横向切面数据和典型道数据,信号滤波采用宽相关处理方法实现。特征提取主要是针对典型道数据进行功率谱估计提取用于材质识别的数据,由于探地雷达回波信号的非平稳性,部分扫描的Welch平均重叠周期谱可以较好地用于目标特征的提取。
2.1 直达波剔除
探地雷达回波信号由收发天线间直接耦合波、地面反射波、地下介质不连续产生的后向散射波、随机干扰等构成。直接耦合波和地面反射波组成的直达波直接影响回波目标信号。由于直达波相对目标信号有一个较大的时间差,通过数据时间轴截断抑制直达波。将探地雷达的三维回波数据进行横向和纵向方向的平均,获取垂直方向的平均回波数据。从中选择第二和第三个回波的连接点作为截断点进行数据截断,抑制直达波。剔除前面的回波数据部分,将余下的回波数据作为含信号的数据进行后续处理。
2.2 超宽带探地雷达回波模型建模
由于相比于传统雷达体制,UWBR能够提供更为丰富的、可供目标识别资用的电磁波谱特征,其在目标识别方面的潜力受到众多学者的关注。经过几十年的深入研究,已经提出了大量新颖有效的特征抽取与识别方法。归纳起来,这些方法可分为基于模型的目标识别和无模型约束目标识别两类方法,而其中基于模型的目标识别方法又可分为基于极点特征的目标识别和基于散射中心的目标识别方法。
在基于UWBR的地下目标识别中,地下介质环境中目标散射特性与自由空间有所不同,目标散射回波通常受到穿透层的调制,这就使得对目标散射回波的描述和电磁特征的抽取更为困难,这种复杂的环境下有效抽取目标电磁特征并识别需要建立新的目标和环境散射模型。
针对超宽带探地雷达,基于信息融合的思想建立了一种目标识别方法。首先基于宽相关处理进行信号滤波和典型数据提取。提取纵向和横向典型数据信息用于目标形状识别;提取典型回波道数据并进行Welch功率谱分析用于目标材质识别[2]。
超宽带探地雷达回波信号主要由收发天线间直接耦合波、地面反射波、地下介质不连续产生的后向散射波、随机干扰等构成。脉冲信号具有非平稳性和非线性衰减等特点。目前常用的探地雷达回波模型是褶积模型,褶积模型主要反映了电磁波在地下传播中不同介质层的多次反射,而超宽带点目标回波模型则具体描述了回波的时延和频谱展宽。结合上述两种模型的特点针对每一道测试数据,可建立超宽带探地雷达回波模型如下:
经过直达波剔除后的回波信号可描述为:
针对超宽带窄脉冲探地雷达,在均匀介质条件下,目标反射回波信号的能量远大于介质的反射能量。同时一次反射波的能量远大于多次反射波的能量,因此忽略介质和多次反射波的影响,则用于目标检测和参数估计的有效回波信号可近似描述为[4]:
由式(1)所刻画的信号模型被称为宽带信号的时延参数估计模型。当式(1)中的Si,j等于1时,即退化为传统窄带信号的时延估计模型,对其估计所采用的基本方法是计算r1(t)和r2(t)的互相关:
通过求解式(4)取得最大值的Σ来确定估计值。详细算法可参考文献[4]。
然而在许多实际背景下,如反射地震勘探、超宽带电磁波测距法等应用领域中,式(1)中的Si,j不等于1,此时回波信号不单单是源信号的时间延迟,即r1(t)和r1(t)没有相关匹配关系,因而不能采用式(2)作估计量。在认识到传统相关模型的不足之后,A Ltes,Weiss,N aparst,Young[5,6]等应用子波变换的方法,提出了宽带相关处理的概念。同时高静怀等人独立地把这种思想运用于地震信号处理领域,取得了良好的效果[7]。受雷达信号估计理论的启发,该文运用宽带相关处理的概念,提出了适合于由式(1)所刻画的信号模型,即宽带信号模型的时延参数估计方法[8]。
2.3 宽带相关处理
设雷达发射超宽带信号f(t),当目标以速度v匀速运动时,回波信号的宽带模型为:
式中,为尺度变化因子(频移);为时移,为雷达与目标之间的距离;c为光速。
采用宽带匹配相关处理时,其输出为:
若发射信号f(t)是允许子波,则其相关输出与子波交换之间有对应关系:
因此宽带相关接收器的输出WCfg(s,τ)等价于对回波g(t)作f(t)为母子波的连续子波变换。若选择母子波作发射信号,其相关处理与子波变换得到统一。
在实际雷达系统中,常采用线性调频(LFM)脉压信号作发射信号。由于矩形包络的LFM信号不满足允许条件,高斯包络的LFM信号满足允许条件,因此设雷达发射高斯包络的超宽带LFM信号为:
式中,α=-3.8,载波基频f0=800 MHz,信号带宽B=250 MHz,分数带宽为0.31,如图3所示。对其作基于Morlet子波的相关处理,得到如图4所示结果,幅度为Aw。
在多散射中心情况下,每个点目标相对雷达的位置和速度不同,其回波参数s和τ也不同,所以整个回波信号为:
式中,加权系数S(s,τ)表示各单点回波信号幅度。所以多散射点时的宽带相关输出为:
式中,WCfg(s′,τ′)是S(s′,τ′)与Wff(s′,τ′)的卷积,信号幅值S(s,τ)与信号f(t)的子波变换Wff(s′,τ′)的卷积称为宽带卷积。可见宽带相关处理相当于基于子波的时间尺度域的匹配滤波[9]。
宽相关处理作为宽带信号处理的主要数学方法,可以有效地检测和估计宽带回波信号的相关参数。通过引入伸缩因子后,补偿了r1(t)和r2(t)之间的尺度伸缩匹配关系。相关处理就是用具有不同尺度和时延的复本信号与接收信号作相关。宽带相关处理器的输出为[1]:
基于上述分析,宽相关处理参数估计方法有:
(1)峰点估计法:使WC(s,τ)达最大值的(s,τ)作为(s0τ0)。
(2)零点估计法:使为零的(s,τ)作为(s0,τ0)。
两种处理方法的程序框图分别见图5(a)和图5(b)。
实际过程中,介质多为非均匀情况。因此对于存在干扰点的介质通过多道数据平均实现参数的稳健估计。干扰噪声的一个特点是出现的时间和几率相对不连续,因此通过多道数据纵向或横向平均,以纵向或横向分辨率的降低为代价换取正确的匹配和参数估计。
经过宽相关处理后,可以得到3个典型切面,1个是水平切面,显示目标反射面的形状信息,1个纵向切面和1个横向切面,纵向切面的典型数据与横向切面的典型数据相结合用于目标形状的识别[10]。
2.4 深度估计
通过多种方法对雷达信号进行处理,其目的就是为了识别地下目标。目标所在层面的深度是辨识目标的一项重要参数。通过求解电磁波在介质中的传播速度,求解目标所在的深度。
设起点为零,每一格(对应512每个点)的实际深度为l=△t×v,△t=(timebase)/(pointnum)×(第几个of pointnum),v为电磁波在介质中的传播速度。
速度估计可采用传统的方法进行,已知地下介质的相对介电常数εr和相对磁导率μ,就可以计算出探地雷达电磁波在地下介质中的传播速度,即:
上式中,近似认为地下介质的相对磁导率μr≈1。相对介电常数εr可以查表获得。
2.5 基于Welch法的目标材质识别方法
超宽带探地雷达中,由于回波信号具有信息丰富的特点,所以特征向量的选取成为目标识别的关键。首先利用实用宽相关处理进行典型信号的提取。基于Welch法的功率谱特征提取进行目标材质的识别。部分扫描Welch功率谱被证明可以用于目标材质的有效识别。
Welch法的基本思想是:利用窗函数ω(n)对时域离散信号xN(n)截断,得到数据段xNi(n),对其进行谱估计后移动窗函数,重复上述过程直到xN(n)通过了所有的窗口,最后对各段信号的功率谱P赞iPEN(ω)平均,得P赞PEN(ω)。详细算法可参考文献[11]。
Welch功率谱估计的计算过程如下:设信号s(n)的长度为512,将其分成K=7段,每段长度为N=128,重叠50%。对每个子集加上一个hannning窗ω(n)(n=128)。则Welch功率谱估计可按下式计算:
针对超宽带探地雷达,提出了一种目标识别方法。首先利用子波变换在宽相关处理中的应用,对回波信号进行滤波和典型数据提取。提取纵向和横向典型数据用于目标形状识别;提取典型回波道数据进行Welch功率谱分析用于目标材质识别。为超宽带探地雷达目标识别提出了一种全新的思路。
摘要：基于探地雷达信号传输机理,建立了超宽带探地雷达宽带回波模型,揭示了多谱分量对目标回波信号特征提取与材质识别的影响。超宽带探地雷达由于回波信号信息丰富的特点,特征向量的选取成为目标识别的关键。利用子波变换在宽相关处理中的应用,对回波信号进行滤波和典型数据提取。提取纵向和横向典型数据用于目标形状识别;提取回波道数据进行Welch功率谱分析,用于目标材质识别。
关键词：超宽带探地雷达,功率谱,信息处理,宽相关处理,匹配滤波
参考文献
[1]王党卫,王少刚,关鑫璞,等.超宽带雷达及目标识别技术研究进展.空军雷达学院学报,2007,21(3).
[2]李建勋,郑军庭.超宽带探地雷达自动目标识别研究.电波科学学报,2005,20(4).
[3]陈明,李阿楠.基于超宽带的隔墙探测二维成像雷达系统.探测与控制学报,2007(4).
[4]李建勋,肖艳军,张立栓.基于宽相关处理的超宽带探地雷达信号处理研究,2004,20(11).
[5]WEISS L G.Wavelets and wideband correlation processing[J].IEEE Signal processinMagazine,1994,11(1):13-32.
[6]ALTES R A.Detection,estimation and classification with spectrogram[J].JA SA,1980,67(4):1232-1246.
[7]高静怀,郭月飞,金国平.基于熵谱特征定量计算薄层厚度的方法研究.煤田地质与堪探,2005,22(2).
[8]詹毅,马长征,梁昌洪.宽带相关信号的参数估计问题[J].西安电子科技大学学报,1999,26(4):467-470.
[9]黎海涛,徐庆,徐继麟.子波变换在超宽带雷达中的应用.电子科技大学学报,2000,29(3).
[10]李建,郅强,李建勋.超宽带探地雷达信号处理软件包.河南科学,2006,24(4).
[11]樊新海,安钢,邱绵浩.基于Welch法的一种目标识别方法.测试技术学报,2001,15(1).
超声回波信号包络解析的实现方法 篇2
目前,在工业检测领域,无损检测技术被广泛采用,无损检测技术主要是指通过超声波、激光、X射线、电涡流等手段对被测材料不会造成损伤的测量技术。其中超声无损检测技术发展成熟,已经广泛应用于医学检测、海底探测、材料探伤、超声测量等领域,超声波分为连续波和脉冲波,在超声波测距和测厚应用中,主要采用超声波脉冲反射原理对各类材料进行测量,相比其他无损测厚技术超声波具有更强的通用性,所以超声波在工业生产中获得了相对更加广泛的应用。超声脉冲波在多层介质中传播时,当遇到不同介质的界面,超声波发生反射,产生多重超声回波,不管介质是什么材料,只要介质均匀,超声波即能以恒定速度在介质中传播,通过分析每个超声回波信号的渡越时间(Time of Flight,TOF)参数,便可以分析出被测量物体的厚度或距离等信息。
在超声波无损检测技术中,超声回波信号的渡越时间TOF参数的确定,是超声工业检测中需要确定的重要参数之一,TOF的检测精度决定了由它导出的其他量(如距离、厚度等)的测量精度。为了保证TOF参数的检测精度,首先需要精确解析出超声回波信号的包络曲线,然后通过包络曲线的关键点来确定TOF参数。因此,在超声脉冲回波信号处理中,一种性能优良的包络解析方法对于TOF参数的确定,以及被测物体的厚度测量、距离测量、缺陷定位等具有非常重要的意义。目前,关于包络检测的方法主要有相关函数法、高斯-牛顿算法[1]、多阶包络曲线拟合[2]和小波变换分析[3]等算法。相关函数法要求先构造一个与回波信号相似的函数,对于不同的测量对象就会有不同的函数要求,而且求得的TOF精度较低。高斯-牛顿算法需要采用迭代运算,其参数的迭代初始值需要用相关法来确定,迭代运算量较大,以致工程应用实现要求较高。多阶包络曲线拟合和小波变换分析方法二者运算复杂,在工程实现中很难保证实时性要求。
根据调制信号的正交解调理论,也有文献[4]介绍采用正交检波,但在FPGA的实现方面不是最优的。本文提出了一种基于正交滤波器超声脉冲回波包络解析的实现方法,该方法在FPGA的工程应用上,只需进行FIR滤波器、乘方和开方运算的实现,而且其滤波器的系数可重配置,适应性强,可对多种频率不同超声探头和多种塑料管测量的超声脉冲回波信号解析出稳定的包络曲线,进而精确检测TOF参数,保证超声脉冲无损检测的测量精度。
2 包络解析理论
2.1 超声脉冲回波信号模型
超声波属于机械波,根据超声波持续时间的长短,可以将其分为连续波和脉冲波。连续波是指介质中质点振动持续时间为连续的波动。脉冲波是指质点振动持续时间有限的波动。超声发射探头的脉冲响应可以模拟成高斯模型,其单位超声脉冲响应[5]的表达式定义为
式(1)为一高斯曲线对频率为fc的正弦波的调制,α为带宽因子,表征高斯调制信号特征的参数,且载波信号属于一个窄带信号,中心频率为fc,即脉冲式超声发射探头的中心频率。考虑到超声脉冲波在介质中传播时的衰减、延时等因素,超声脉冲波遇到不同介质界面反射的回波信号i((t)经过一个带通滤波器,滤出噪声后可以用公式(2)定义:
其中,α,τ,fc,φ,A是回波信号的特征值参数,α为带宽因子,τ为到达时间,fc为超声发射探头的中心频率,φ为信号相位,A为幅度系数。
为了方便讨论,公式(2)可以简化为
式中是为了精确检测TOF参数所需要的回波包络曲线。
2.2 包络检波算法
针对传统超声脉冲回波的包络检波的缺点,参考文献[4]对传统包络检波方法进行了改进,如图1所示。为了后端信号处理的需要,首先将采集到的回波信号i(t)进行中心频率为fc的带通滤波,去除噪声等干扰信号,得到信号x(t)。然后生成与超声脉冲信号x(t)中心频率fc同频的一对正交信号u(t)和u(t),其中u(t)=sin(2πfct+θ),v(t)=cos(2πfct+θ),θ为任意相位值。
将生成的这一对正交信号sin(2πfct+θ)和cos(2πfct+θ)分别乘以输入信号x(t),得到两个信号x,(t)和x2(t)
将公式(4)和公式(5)变换为
将以上两个信号x1(t)和x2(t)分别经过一个截止频率为fc的低通滤波器,则以上两个表达式中的2fc频率信号将被滤波,得到y1(t)和y2(t)两个信号,定义
由公式(6)和公式(7)可知,y1(t)和y2(t)两个信号完全正交,然后再平方求和后开方,得到z(t)信号。
由式(8)可知,解析出了超声脉冲回波的调幅信号,即回波的包络信号。
3 包络检波的实现方法
目前,超声脉冲发射探头的中心频率都达到MHz,为了满足工业测量精度,超声回波信号的采样频率也高达100 MHz,因此,在超声检测应用中,对数据处理、存储、传输能力以及实时性要求均较高。
在超声检测的工程应用中,将图1的算法采用数字信号处理实现时,首先,高速ADC采样得到离散的超声回波信号i(n),经过一带通滤波器得到回波信号x(n),其次,在θ为0,可得到离散的正交信号sin(2πfc·nTs)和cos(2πfc·nTs),Ts为采样周期;然后,两个低通滤波器的系数长度、截止频率及阻尼衰减等参数都相同,设计为g(m)。为了减小算法实现的复杂度,将图1中的正交信号生成和低通滤波整合并设计成一组幅频特性相同,相位相差π/2的正交滤波器。
其中,Ts为采样周期,M为滤波器阶数。式(9)和式(10)中的两个正交滤波器h(m)和v(m)的相位差是π/2,两个滤波器的系数长度、截止频率及阻尼衰减系统等参数都由低通滤波器g(m)的相应参数确定,从而保证了h(m)和v(m)两个滤波器的幅频特性基本相同。采用h(m)和v(m)两个正交滤波器对回波信号x(n)进行同步滤波,便可得到y1(n)和y2(n)两个信号。
将式(11)和(12)的信号y1(n)和y2(n)分别平方求和后开方,便得到超声回波的包络信号z(n)。整个包络检波算法的工程实现框图如图2所示,整个算法实现更加简洁。
由图2可知,在FPGA中实现包络的正交检波算法,选用FIR类型滤波器设计一个带通滤波器和两个正交的低通滤波器,然后再对两个正交低通滤波器的输出结果进行平方求和,最后再对平方和进行开方。三个滤波器的设计是该包络检波算法的关键,利用Matlab提供的滤波器设计工具,考虑到超声激励探头的中心频率和滤波效果,选用了汉明窗函数设计64阶的带通滤波器,对于5 MHz频率的探头,设计带宽为0.8 MHz的带通滤波器,选取截止频率分别为4.6 MHz和5.4MHz,得到其系数为coef4bpf;同时,选用汉明窗函数设计了64阶的低通滤波器,截止频率选取为2.5 MHz,得到其系数为coef4lpf,然后再根据公式(9)和(10)计算出两个正交低通滤波器的系数为coef4lpfsin和coef4lpfcos。
在硬件实现中,采用100 MHz采样率,14位采样精度的ADC将模拟超声回波信号转化为数字信号,并选用Altera公司的Cyclone V系列的5 CEFA9-F23现场可编程门阵列器件作为信号处理单元,利用器件内部的片内块RAM和丰富的IP核,如FIFO、LPM＿MULT、PARALLEL＿ADD和ALTSQRT＿等,用verilog硬件描述语言设计图2所示的包络检波实现方法,其中带通滤波,正交低通滤波,平方求和,以及开平方等运算都采用流水线结构的实现方式,采集超声回波信号的同时对信号进行处理,保证了包络检波的实时性,其内部实现的框图如图3所示。
在FPGA器件中,该包络检波算法的工程实现,根据实际选用超声探头的中心频率,计算好算法中采用的三个数字滤波器的系数coef4bpf,coef4lpfsin和coef4lpfcos,并采用verilog语言实现包络检波算法的各功能模块。由图3所示,首先,经ADC转换后的数字超声回波信号i(n),送入到图中(1)的FIFO进行缓冲存储,便于后面的包络检波处理,经过图中的(2)和(3)构成的64阶数字带通滤波器,其系数为coef4bpf,i(n)经过带通滤波器滤出干扰信号后得到超声回波信号x(n),图中(4)、(5)和(6)、(7)分别构成了一对数字正交滤波器,其系数分别为coef4lpfsin和coef4lpfcos,对信号x(n)进行滤波处理后分别得到两个正交的数字信号y1(n)和y2(n),分别再经过图中(8)和(9)乘法模块,得到信号和,再经过图中(10)加法模块得到信号(),最后,信号()经过(1 1)开平方模块得到超声回波信号的包络信号z(n)。
4 结果及讨论
在Altera公司的5CEFA9-F23器件中,对采样率为100 MHz,采样精度为14位的数字超声回波信号进行分析处理,采用verilog语言实现了ADC数字采样和图3所示的包络检波算法,图4是选用5 MHz超声探头,在FPGA中采用verilog语言实现的超声回波包络检波算法的结果,图中的SigP＿infifo＿q是数字超声回波信号,bpf＿outreg是经过带通滤波器后的超声回波信号,evlpAmpl是处理后的超声回波包络信号。在Altera公司的Quartus-Ⅱ集成开发环境中设计了FPGA内部的功能模块,最大采样点总数可达到32768个,经过综合编译实现,其整个设计所需资源为76个管脚(占34%),9914个ALMs(占9%),21853个Register,529128位内部块RAM(占4%),194个DSP块(占57%)和2个PLL(占25%)。
在工业生产中,超声脉冲回波探测技术获得了广泛的应用,针对本文提出的包络解析算法实现的超声信号处理模块,选用中心频率为5MHz的超声发射探头,采用100 MHz的采样率,用水作为耦合剂对厚度为4.0 mm、6.0 mm、8.0 mm、10.0 mm钢块标准件进行了实验,采用解析得到包络的极大值对应的采样位置代表一个回波的时间信息,根据相邻两个回波的位置差求出回波的时间间隔,对每种标准件进行8次连续测量,并计算出回波时间间隔的平均值,最后根据超声波在普通钢中的速度5960 m/s,计算测量钢块的厚度值,其实验结果如表1所示。
根据本文算法检出的超声回波包络曲线,采用包络曲线极大值对应的采样点作为回波的时间信息,然后根据回波的时间间隔计算被测物体厚度。由表1可知,在四种钢块标准件的测量中,每次测量回波时间间隔最大相差2个采样点,约20 ns,测量计算厚度与实际厚度值误差较小,而且随着测量厚度增加,误差逐渐增加。对于4.0 mm厚度的钢块标准件测量的误差最大约0.012 mm,原因是对于厚度较薄的钢块测量,超声回波在钢中多次反射,导致相邻回波出现重叠,影响了测量精度。
5 结束语
在超声脉冲回波信号的包络解析方法中,本文针对传统的包络解析算法在FPGA工程应用实现中存在的弊端,提出了根据探头发射的超声波信号的中心频率,对采集的超声脉冲回波信号,生成一对正交回波信号,进而进行包络检波的实现方法。采用verilog语言在具体的FPGA器件中实现了该包络检波方法的各功能模块,并用同一超声发射探头对不同厚度的钢块标准件进行了实验验证,实验结果表明该包络解析方法应用到超声脉冲回波信号分析中是可行的。
参考文献
[1]武良丹,贺西平等.高斯回波模型在超声回波模拟中的应用及其迭代算法的讨论[J].应用声学,2007,26(2):119-124
[2]杨金才,梁川等.数字信号的包络分析方法[J].郑州工业大学学报.2001,22(3):59-61
[3]张绪省,朱贻盛登.信号包络提取方法——从希尔伯特变换到小波变换[J].电子科学学刊.1997,19(1):120-123
[4]曹文,刘春梅,胡莉.一种超声回波信号的数字正交检波方法及FPGA实现[J].西南科技大学学报.2006,21(3):56-60
回波信号提取 篇3
脉冲激光测距原理是在测距点向被测目标发射一束短而强的激光脉冲,脉冲激光经大气到达被测目标,经漫反射后,回波再经原路返回光学接收装置,汇聚到探测器的光敏面上。设光脉冲从发射点到被测目标来回一次所经历的时间间隔为t,则测距点与被测目标之间的距离为
式中c为光速。从式(1)可以看出,脉冲激光测距的关键是如何精确测量时间t,时间t分辨率的高低直接决定了脉冲激光测距的精度。随着对测距精度要求的提高,激光脉冲越来越窄,回波在探测器上的能量积分也越来越小。探测器接收到的信号即便通过高倍放大后仍然非常微弱,且随被测目标距离的增大,接收信号快速减弱,又在此情况下,采用直接提取回波转换电平的方法提取回波信号非常困难。无论是数字插入法还是延迟线插入法都是在处理芯片已经识别到回波信号以后[1,2,3,4,5],针对主波与回波之间的时间差进行更为精确地处理,而这些处理方式一般要求信号的信噪比较高。
目前的脉冲激光测距机系统为提高测距精度,通常的方法是将激光脉冲信号变窄,一般为5 ns左右(为了提高激光信号峰值功率,并且回波较窄),由于大气会将激光脉冲信号展宽,得到的回波信号脉宽一般为5 ns~15 ns之间,如图1所示,且随距离越远信号幅值越小,阈值法更不能实现,为捕捉到较窄的回波脉冲,一些单位提出采用高速采样方式采集回波脉冲,但止于较低频率,且仅限于实验系统[6,7,8,9,10],无法满足应用需求。
针对这一现状,本文利用高速AD采样技术结合FPGA的快速数据处理能力,设计了一套全新的回波信号检测处理系统,很好的解决了在信噪比较低、信号的脉宽较窄、幅值较小时,准确提取回波信号,并且较为精确的计算主波与回波之间的时间差。该系统中采用了采样率高达1GHz的高速AD芯片(ADC08D1000)和Altera公司Stratix II系列的快速FPGA芯片(EP2S60)来实现高速采样与数据处理,有效地提高了测距精度。下面将系统的设计与实现进行详细阐述。
1 高速采样子系统设计
为实现对激光回波信号的数字化接收,首先设计了一个AD采样子系统,其框图如图2所示。该子系统中,通过外部时钟信号控制AD模块的采样频率,对采样数据用差分形式输出以提高抗干扰性能,同时输出伴随时钟信号,达到对采样信号多路输出进行相位锁定的目的。
为提高测距精度,将尽量压缩激光脉冲的宽度,如正在研制的远程测距机系统中,激光脉冲宽度仅为5 ns,这就要求采集回波信号时AD采样率非常高,通过多方比较,系统最终选择了国家半导体公司的双路1 GHz采样率的高速AD芯片,该芯片的基本结构如图3所示。
该AD芯片集成了两路可以单独使用的AD通道,每路输入分别对应两路差分信号输出,共计有四路输出。时钟的输入输出端也采用差分方式,同时具有伴随时钟输出,可以完成输出信号的相位锁定功能。
AD芯片通过控制端选择工作模式,其中,DES控制端为双沿采样模式,当时钟为1 GHz时,输入信号在时钟的上升沿和下降沿都被采样一次。在该工作模式下,两路输入信号对应四路输出信号,输出信号频率降为500 MHz。PD与PDQ控制端分别控制AD芯片的I端与Q端是否处于省电模式,较好的利用PD与PDQ端,可以有效地控制AD芯片的功耗,达到降低系统功耗的目的。
选择好AD芯片后,需要解决的首要困难是为AD芯片提供一个稳定的1 GHz时钟。本系统采用外部电路的方式来产生该时钟信号,而不用FPGA内部倍频。该时钟电路由外部晶振、锁相环、压控振荡器等器件构成,通过对锁相环的控制来调整输出的时钟频率,从而实现1 GHz的时钟,锁相环使用LMX2312芯片,压控振荡器使用VCO190芯片,其设计原理图如图4所示,图中PLL_SCLK,PLL_SDATA,PLL_LE三个控制端由FPGA产生,OSCin为外部低频晶振输入。实验证明,外部电路方式产生的时钟较FPGA内部PLL倍频产生的时钟频率更加稳定。
将产生的差分时钟信号送入AD模块的时钟输入端,通过FPGA控制AD的采样时序,即可实现正常的采样功能。
2 高速采样数据接收、处理子系统设计
为与高速AD配合良好,数据接收、处理系统也必须达到相应的响应速度。目前常用的单片机和DSP芯片远远达不到这样的速度要求。为此该子系统中采用高速FPGA作为接收处理芯片,经过比较,最终使用ALTERA公司的Stratix II系列芯片,该系列芯片资源丰富、数据处理速度快,时钟速度可以达到550 MHz,并最多带有12个PLL,内部存储器高于9 M比特位,完全能够满足系统要求。
Stratix II系列FPGA的最大优点是:拥有带DPA(Dynamic Phase Aligner,动态相位校准)的高速差分IO端口,接收数据的频率可达1 040 MHz,该端口分两种,一种是差分接收端口,另一种是差分传输端口。差分接收端口用于接收快速差分输入信号,如高速采样AD的输出信号,差分传输端口用于芯片本身输出。本文的设计中没有用到差分传输端口,差分输入端必须由PLL为其提供相位时钟。
采样子系统中AD芯片输出的采样数据,直接进入FPGA的专用差分接收端口,然后通过双端RAM存储。
3 整系统设计实现
经以上两部分的分析与设计得出,系统总体设计框图如图5所示。
FPGA发出控制信号PLL_clk、PLL_data、PLL_le分别控制外部锁相环的PLL_SCLK、PLL_SDATA、PLL_LE端,使其产生1 GHz时钟信号。设计原理图如图6所示。
由框图可见,系统的关键部分在于FPGA对外部时钟电路、AD模块控制与高速差分数据接收。系统控制与数据处理的设计流程图如图7所示,程序开始即对AD与外部时钟电路进行配置,接着对LVDS端口的dpa复位,完成后等待接收写控制信号,一旦接收到写控制信号,就对数据进行接收存储,接着进行FPGA的后续处理,包括数据存储、读出、重组、计算距离等处理。
FPGA的差分接收模块设计通过QUARTUS II 8.0软件调用LVDS内核实现,设计中需选择LVDS接收模式和DPA模式,再选择相应的通道数与反串因子即可。LVDS端口的原理图设计如图8所示。
设计完毕后,程序中例化即可使用,下面是FPGA接收AD某一端的并行数据的例化代码:
数据的整合处理即将差分端口接收到的64位串行数还原成8个8位并行数,这也是该款FPGA的特点之一,串转并大大提高数据的接收速率,具体代码如下:
因此在图9的上层设计原理图中,可以看到数据的输入为16位,输出为8位。
数据接收完成后,通过编程先将数据存储到双端RAM中,再以较低频率将RAM中的数据读出进行后续处理,从而准确地判别回波信号,自动设置阈值,达到提高回波检测精度和距离判别准确度的目的。
4 实验结果
将设计系统应用到实际高精度测距机系统中,并进行了大量实验,多点测量的数据及误差分析如表1所示,表中是测距机分别在不同距离点上测量的数值,单位为米,std表示标准值,max表示测量数据的最大值,min表示最小值,aver表示平均值,E_pp表示最大值减最小值,δ表示标准方差。
实验结果其中两组测量数据曲线如图10,图11,其中纵坐标为测距距离,横坐标为测距重复次数。
m
5 结论
针对激光测距机中回波信号信噪比较低的情况,以国家半导体公司的采样率高达1 GHz的高速AD芯片、ALTERA公司的Stratix II系列FPGA芯片作为核心器件,设计了一套包括高速AD采样子系统、高速采样数据接收处理子系统的回波检测判别系统,并在高精度激光脉冲测距项目中进行了应用。实验证明此设计大大提高了激光脉冲测距机精度,由传统测距机米量级提高到毫米量级,实现了±20 mm测距精度。
参考文献
[1]邓全,李磊,马敏,等.高精度时间测量技术及其在脉冲激光测距中的应用[J].电光系统,2010(2):11-14,6.DENG Quan,LI Lei,MA Min,et al.High Precision Time Measurement and Its Application in Pulsed Laser Ranging[J].Electronic and Electro-optical Systems,2010(2):11-14,6.
[2]杨佩,徐军,王菲.基于TDC-GP2的高精度时差测量系统设计[J].电子科技,2010,23(7):77-81.YANG Pei,XU Jun,WANG Fei.Design of the Hign-precision Time Difference Measurement System Based on TDC-GP2[J].Electronic Sci.&Tech,2010,23(7):77-81.
[3]周武林,岳永坚.基于时幅转换插入法的脉冲激光测距[J].光电工程,2008,35(7):104-108,115.ZHOU Wu-lin,YUE Yong-jian.Pulsed Laser Ranging Based on the Interpolation Method of Time–to-Amplitude Conversion[J].Opto-Electronic Engineering,2008,35(7):104-108,115.
[4]冯志辉,刘恩海,岳永坚.基于FPGA延迟线插入法的半导体激光测距[J].光电工程,2010,37(4):53-59.FENG Zhi-hui,LIU En-hai,YUE Yong-jian.FPGA Delay-line Interpolation Method for Laser Range Finding[J].Opto-Electronic Engineering,2010,37(4):53-59.
[5]唐嘉,高昕,邢强林,等.异步应答激光测距技术[J].光电工程,2010,37(5):25-31.TANG Jia,GAO Xin,XING Qiang-lin,et al.The Technology of Asynchronous Laser Transponder[J].Opto-Electronic Engineering,2010,37(5):25-31.
[6]张丽丽,傅江涛,张志勇,等.FPGA在远程激光测距中的应用[J].激光与红外,2010,40(3):287-289.ZHANG Li-li,FU Jiang-tao,ZHANG Zhi-yong,et al.Application of FPGA in long distance laser ranging[J].LASER&INFRARED,2010,40(3):287-289.
[7]周毅刚,王春明,朱青.激光测距的高速采集与处理电路的设计[J].电子测量技术,2008,31(7):97-98,107.ZHOU Yi-gang,WANG Chun-ming,ZHU Qing.High-speed acquisition and processing circuit for digital laser range finding[J].ELECTRONIC MEASUREMENT TECHNOLOGY,2008,31(7):97-98,107.
[8]纪荣祎,赵长明,任学成.脉冲激光测距时刻鉴别方法的研究[J].红外,2010,31(11):34-37.JI Rong-yi,ZHAO Chang-ming,REN Xue-cheng.Study of Timing Discriminator for Pulsed Laser Rangefinder[J].INFRARED,2010,31(11):34-37.
[9]王军.基于ADC083000的高速数据采集系统设计[J].实验科学与技术,2010,8(2):8-11.WANG Jun.Design of High-speed Data Acquisition System Based on ADC083000[J].Experiment Science&Technology2010,8(2):8-11.
毫米波雷达DBS回波信号仿真 篇4
毫米波雷达在弹载平台上的应用填补了国内近程导弹的空缺,为适应现代战争中越来越复杂的战场环境,需要雷达具有在距离和方位上的高分辨力。目前雷达提高方位分辨率的方法主要有合成孔径雷达(SAR)成像和多普勒波束锐化(DBS)成像技术[1,2]。SAR成像需要极大的运算量和存储空间以及精确的平台参数估计,限制了其实时处理能力。DBS技术是一种可在大范围扫描状态下,计算负荷较低的成像方式,且对系统的要求低,易于实时处理,适于在实时性要求较高的弹载平台上应用。
DBS成像技术的工程应用需大量的回波数据对成像算法进行评估、验证,外场试验将耗费大量的人力物力财力[3,4,5],拖延研制周期。在实验室内以射频辐射的方法模拟目标与环境信息,将减少外场试验带来的问题[6]。
本文简述了DBS技术的基本原理,结合目标回波信号模型[7],对目标DBS回波信号进行计算机仿真,运用DBS成像技术完成回波数据的成像处理,验证DBS回波仿真算法的有效性。
1 DBS原理及回波模型
1.1 DBS基本原理
弹载雷达波束照射区内的地物回波信号因相对弹体运动速度的不同而产生不同的多普勒频移,可以利用这种多普勒频移来提高雷达横向分辨率,这种技术就称为多普勒波束锐化(DBS)技术[8]。图1给出了雷达导引头工作时与地面目标的几何位置关系。
设导引头的运动速度为v,主波束方位角为θ,俯仰角为φ,主波束中心线与地面的交点为P,导引头与地面P点的斜距为R,v与R的夹角为ψ,主波束3 dB宽度为Δθ,雷达波长为λ。在不考虑运动效应的影响下,地面P点处目标引入的多普勒频率为:
上式即为地面回波的多普勒中心频率。天线主波束3 dB宽度Δθ对应的多普勒展宽为:
由上述分析可知,不同方位角对应不同的多普勒频率。波束3 dB宽度的方位角对应了一定的多普勒频率带宽。如果把波束3 dB宽度等分成若干份,采用滤波器组去分割频带宽度,这样子波束和滤波器组中的各个滤波器可以对应起来。
1.2 目标回波理论模型
首先介绍点目标回波生成理论,雷达发射的脉冲信号照射到一个点目标,其回波形式即为该发射脉冲的延时,回波的幅度和相位受到点目标后向散射系数的调制[6]。对于面目标,需先根据雷达导引头的距离分辨率和方位分辨率确定导引头分辨单元。若面目标小于雷达分辨单元,则可认作为点目标;若面目标大于雷达分辨单元,则可认作为几个点目标。同一分辨单元内的所有目标可认作为一个等效目标,其功率为所有目标功率的矢量和[2]。
假设雷达发射的脉冲是线性频率调制脉冲:
式中:A(t)为脉冲幅度;τ脉冲宽度;ω0为载频;μ为线性频率调制系数;t为时间;rect(·)是矩形函数。
则点目标的回波信号为:
式中:B(t)为回波信号幅度;td为雷达与目标之间的延迟时间:
式中:R是雷达与点目标的距离;tm=nTr(n=0,1,…,N-1)为慢时间,N为相关积累个数,Tr为脉冲重复周期。
由上述讨论可得多点或面目标的回波表达式为:
式中:sri(t)为第i个点目标的回波信号;tdi为第i个点目标的回波延迟,i=1,2,…,N。
去载频后的回波表达式为:
式中:λ为信号波长;Ri(tm)第i点目标的斜距;
2 图像拼接
为提高天线转速,本文采用数据复用技术进行DBS图像处理[10],即对每块区域仅成像一次,不做非相干积累。假设一个波束内雷达接收M个脉冲回波,若仅利用这M个回波对波束起始照射区成像,将存在较严重的积累不足且积累程度不等的问题。若将相邻的两个波束照射区合起来看作一个“大波束照射区”,则相邻的两个“大波束照射区”之间重叠的部分正好等于原来的一个波束照射区。设天线转速满足在相干积累时间内转过的角度等于一个波束宽度,则这个范围内的目标是积累足够的且积累程度也相等。事实上,也就是采用了数据复用技术,用相邻的两个波束内的数据做FFT,再从中抽取出对应第一个波束照射区内的结果数据[7]。这样即大大提高了所允许的天线转速。
DBS图像处理流程图如图2所示。
雷达发射信号选用线性调频信号,信号带宽为10 MHz,由上述参数可得雷达距离分辨率ΔR=15 m,锐化比为32;本文模拟三个波束的回波数据,第一个波束宽度内设置1个目标,第二个和第三个波束内分别设置2个目标;三个波束内目标斜距均为2 000 m,三个波束的中心方位角为15°,17°,19°。不考虑接收机噪声,根据回波信号数学模型用Matlab工具完成理想目标回波数据模拟仿真,所得信号如图3所示。运用DBS成像算法对模拟的回波数据进行处理后得到目标DBS像如图4所示。图中横坐标为距离单元数,纵坐标为方位通道数。
3 仿真分析
根据上述目标回波理论模型,雷达系统参数如表1所示。
4 结 论
DBS技术在毫米波雷达上的应用将提高雷达的方位分辨率,实现雷达方位上的高分辨。DBS回波信号的模拟仿真可以用于验证、 优化DBS成像算法。 本文探讨了毫米波雷达DBS回波信号数学模型,利用Matlab工具实现了多波束多目标的回波信号模拟仿真,同时,验证了DBS成像技术及拼接算法的有效性,对工程应用的DBS成像算法完成理论仿真。下一步工作将进一步完善DBS回波模拟算法,完成DBS回波模拟器的设计并实现工程应用。
参考文献
[1]保铮,邢孟道,王彤.雷达成像技术[M].北京:电子工业出版社,2004.
[2]PAN Shi-lin,WANG Qiang,LI Zong-qian,et al.The echodata simulation of airborne DBS radar[C]//Proceedings of2003 6th International Symposium on Antennas,Propaga-tion and EM Theory.Beijing,China:[s.n.],2003:608-611.
[3]梁志恒,潘明海.毫米波导引头目标回波和杂波模拟方法研究[J].系统仿真学报,2007,19(12):2723-2726.
[4]刘逸平.国外毫米波精确制导技术的发展趋势[J].火控雷达技术,2008,37(3):1-6.
[5]习远望,张江华,高文冀,等.雷达导引头低成本半实物仿真系统的应用[J].火控雷达技术,2010,39(1):11-15.
[6]肖卫国.雷达寻的制导半实物仿真系统的关键技术研究[J].计算机仿真,2007,24(6):272-275.
[7]毛士艺,李少洪,黄永红,等.机载PD雷达DBS实时成像研究[J].电子学报,2000,28(3):32-34.
[8]万红进.基于单脉冲锐化的雷达导引头信号处理技术研究[D].西安:西安电子工程研究所,2009.
[9]张澄波.合成孔径雷达[M].北京:科学出版社,1989.
回波信号提取 篇5
关键词：X波段气象雷达,强度标定,回波功率,传输特性参数
由于地球曲率, 地形阻碍和雷达波束宽度造成的影响, 新一代天气雷达存在很多探测盲区, 所以需要一些高分辨率的雷达做补充。而X波段天气雷达由于其体积小, 低成本、功能完善、性能稳定, 在新一代天气雷达的照射盲区可以做很好的补充。
一般对雷达收发系统参数的测量需要用到大功率计、频率计、微波信号源等仪器[1], 并假定天线和馈线系统的参数不变。利用微波信号源输入一组不同功率电平的信号, 获得一组相应的数字输出 (A/D) 值, 绘制定标曲线确定传输特性参数S和B, 然后估算雷达实测回波反射率因子Zm。但这些设备较为昂贵, 精度要求高, 并且自身也需要经常维护和标定才能保证测量和标定的精度, 目前国内很多小型雷达都没有配备这些装置。
对X波段天气雷达的定标工作是根据天气雷达回波强度的定标原理, 尝试利用南京CINRAD-SA雷达实测的反射率因子Z, 估算X波段天气雷达NuistRD-X对数接收机对稳定幅度的信号的传输特性参数S和B, 并利用这一方法标定后的雷达回波数据与南京和常州SA雷达得到的回波强度作对比分析, 检验这种定标方法的可行性。
1 雷达和数据
采用的雷达是CINRAD-SA天气雷达 (南京CINRAD-SA雷达和常州CINRAD-SA雷达) 和X波段天气雷达NuistRD-X, 雷达基本信息见表1, NuistRD-X采用的是垂直指向时旋转一周扫描方式, 接收到的回波功率Pr与雷达反射率因子Zr之间的关系为[2]
在2013年7月, X波段雷达NuistRD-X安装在南京信息工程大学气象楼楼顶, 这里正好位于南京和常州SA波段天气雷达的覆盖范围内, 南京CIN-RAD-SA距离NuistRD-X的球面距离为2.63 km, 方位角为46.81°, 常州CINRAD-SA距离X波段天气雷达的球面距离为105.775 km, 方位角为288.78°, 三部雷达的空间位置如图1所示。
因为涉及三部雷达的对比观测, 这里主要对地球曲率, 大气折射, 雷达抬升仰角以及波束垂直方向宽度所引起的测高误差进行计算[2,3]。南京和常州SA天气雷达对应在NuistRD-X上空几个仰角的高度数据见表2。
2 天气雷达标定
由于雷达系统本身的不稳定性, 大气折射率发射改变, 以及有效照射体内云、雨滴粒子之间存在复杂的相对运动, 使得气象目标回波强度的变化范围非常大, 故一般测雨雷达的接收机常采用具有输入动态范围大的对数接收机, 其输出的电平信号与输入电平信号之间的关系可以表示为[4]
式 (2) 中y为接收机输出信号的电压幅度值, Pr为进入接收机的回波功率。传输特性参数S和B是常数, 对于随时间涨落的气象回波, 雷达气象学给出了如下的统计结果[2]
考虑雷达附近盲区和地物杂波对反射率的影响, 反射率采样的起始距离为r0, 则第i个积分库的雷达实测反射率因子由式 (1) 表示为
式 (4) 中Δr为距离库长, 式 (4) 用分贝表示为
式 (5) 中C为雷达常数, ξ为雷达校准误差, 设C和ξ为常数, 将式 (3) 带入式 (5) 可以得到
从式 (6) 可以看出反射率因子Zm与是线性关系, 在X波段多普勒天气雷达实际探测中, 都是利用接收机传输特性曲线的斜率S和截距B, 通过雷达信号处理器的各个积分库单元输出的回波电压幅度数据计算得到的反射率因子Zm, 令C'=-10lg Cξ+B+2.5为常数, 令Z'=Zm-20lg (r0+iΔr) , 式 (6) 可以改为
根据图3中的定标后的回波强度趋势线的斜率和截距可以计算出, NuistRD-X与南京SA波段天气雷达的回波强度在22~41 d BZ之间差异在0.2d BZ以内, 而当回波强度小于20 d BZ时, NuistRD-X的回波强度比SA雷达的回波强度强, 这是由于X波段雷达的波长短, 在小雨时, 灵敏度比SA雷达的灵敏度高, 所以NuistRD-X探测的雷达反射率因子比SA雷达的反射率因子高, 而在回波强度>45d BZ时, 尽管SA雷达低仰角探测时在X波段雷达上方300 m范围以内, 但是由于降雨粒子增大, X波段雷达的衰减作用变强的原因, 导致了X波段的雷达反射率因子比SA雷达的反射率因子小。
3 衰减订正
NuistRD-X天气雷达由于波长较短, 必须进行合理的衰减订正才能进行下一步工作。降雨时, 在高仰角下, 采集在距离r上的回波功率
式 (8) 中P0 (r) 是没有考虑大气、云、降水等衰减时的平均回波功率, PmR (r) 是经过衰减作用后实际获得到的平均回波功率, 其中A (r) 称为距离r处的路径积分衰减因子, 简称PIA (path integration attenuation) 因子[5], 它代表雷达与目标物之间云雨粒子对雷达回波的衰减程度[6]。根据式 (1) 和式 (8) 可以推出, 雷达实测反射率因子Zm (r) 与真实反射率因子Z (r) 之间关系为
假设ξ为常数, 即可令Zm'=Zm/ξ, 将带入式 (9)
且根据Z-k的经验公式[7,8]
由式 (10) 和式 (11) 可以推出
考虑到雷达实际观测资料的空间离散取样的特征, 采用了逐库解法来进行衰减订正。选取本地对流性降水的Z-I关系Z=503I1.32和k-I关系k=0.012 47I1.16[2], 通过换算得到Z-k关系Z (r) =40 336.8k (r) 1.138, 即取α=40 336.8, β=1.138, 通过式 (12) 即可反演出订正之后的Z (r) 。
4 观测实验
图4、图5和图6显示了2013年7月5日, 在较长一段时间内, 在两部雷达共同的照射区域内的雷达反射率强度对比图。7月5日到6日受副高减弱过程中冷暖空气共同影响, 南京附近降雨出现积层混合云降水。这次降水持续时间长, 分布较为均匀, 但存在一定时间空间变化。X波段雷达探测方式为仰角90°旋转一周扫描方式, CINRAD-SA为正常工作模式。尽管CINRAD-SA和NuistRD-X的操作频率和散射机制都存在差异, 在给NuistRD-X雷达数据交叉定标和衰减订正之后, 依旧可以看出, NuistRD-X雷达与CINRAD-SA雷达的反射率因子密切相关, 显示了非常相似的特性。当然两部雷达的回波强度并非完全一致, 这可能存在的原因有:无法完全一致的采样时间、不同频率导致不同的散射机制、不同的电磁波传播路径、以及两部雷达照射区域的差异。
从图4中可以看出, 三部雷达的一致性较好, 图4 (a) 的相关系数为0.992 8, 差值的标准差为0.657, 图4 (b) 的相关系数为0.985 9, 差值的标准差为1.900, 经过统计得出的三部雷达的相关系数为0.862 9, 说明上文提出的X波段雷达的标定方法在这种情况下是可行的。NuistRD-X空间分辨率更高, 可以看出更为细腻的强度随高度的变化趋势。由探空资料可知, 在5 km左右大气温度为0°, 在4 700 m左右可以分辨出零度层亮带的存在, 但是在图4 (b) 中6 km高度常州雷达的回波反射率因子比X波段雷达小5.7 d BZ, 可能是由于X波段雷达在零度层亮带中发生多次散射而导致零度层亮带以上出现了虚假回波。在图4 (b) 中760 m高度上, 南京SA雷达的回波强度高达38.5 d BZ, NuistRD-X的回波强度仅仅为35 d BZ, 但NuistRD-X和南京SA波段雷达在这个区域的变化趋势一致, 经过南京CIN-RAD-SA其他相邻的径向和库的数据分别为38d BZ、34.5 d BZ、39.5 d BZ、32.5 d BZ, 可以看出此处降水分布不均匀, 照射区域的差异导致两部雷达回波数据差异较大。而在其他高度, 两部雷达的差值均小于2 d B, 在天气雷达误差范围之内, 表明这次定标结果是可信的。在小雨时, 两部雷达差异性更小, X波段雷达更适合于在中等强度以下的降雨中应用。
图5选取的是在一段时间内, 两部雷达共同的照射区域内的雷达回波强度的对比图。SA雷达采用的是VCP21体扫模式, 6 min得到一组数据, X波段雷达采用的是仰角90°旋转扫描方式, 且旋转一周所需时间为29.5 s, 所以X波段雷达回波数据时间分辨率高, 可以看出更为细腻的强度随时间的变化趋势。
而对于南京SA和NuistRD-X两部雷达的回波数据5个仰角随时间变化对比数据进行统计分析, 得到两部雷达数据的相关系数为0.921 8, 差值的平均值为0.395 d B, 平均标准差1.76 d B, 在天气雷达的误差范围内。说明这次定标结果是可信的。
常州雷达距离NuistRD-X的球面距离为105.775 km。所以常州雷达在经过NuistRD-X雷达上方时, 水平和垂直方向伸展范围较大, 且对应的探测高度较高。在文中认为对应区域为常州雷达波束宽度内覆盖NuistRD-X雷达所有库的回波数据的均值。图7中X波段雷达回波数据与常州SA波段天气雷达回波数据做随时间的变化对比分析时, 采用的是常州SA雷达0.5°仰角探测到的数据与NuistRD-X对应高度处的回波强度数据。
在图6中可以看出, 两部雷达的回波强度大体一致, 此时两部雷达数据的相关系数为0.901 2, 说明在0.5°仰角, 两部雷达数据一致性非常好。但是两部雷达的数据也存在一些差异。尤其在10∶35~10∶50之间, 两部雷达数据差异明显, 从图7分析了常州雷达在同一时间0.5°仰角PPI图像, 在图8中可以看出, 在NuistRD-X附近正处于强弱回波交界处, 降雨空间分布不均匀, 空间照射区域的不一致会导致两部雷达测量的数值差异很大, 所以在10∶34~10∶45之间, 主要原因是受照射区域范围不同的影响。而同样的, 在16∶23~26∶36之间, 两部雷达同样由于照射区域不同的原因导致数据差距很大。剔除两个时间段数据后, NuistRD-X探测的回波数据与常州SA雷达探测到的回波数据的差值的平均值为0.194 d B, 平均标准差为1.82 d B, 在天气雷达的误差范围内。说明这次定标结果是可信的。
对于常州SA和NuistRD-X两部雷达的回波数据5个仰角随时间变化对比数据进行统计分析, 得到两部雷达数据的相关系数为0.858, 差值的平均值为0.584 d B, 平均标准差1.89 d B, 在天气雷达的误差范围内。说明这次定标结果是可信的。
5 总结
(1) NuistRD-X雷达回波强度定标后, 为回波数据的定量应用提供了保证。
(2) 利用南京CINRAD-SA雷达回波强度数据对NuistRD-X雷达进行定标, 并通过试验观测证明这种定标方式是可行的。
(3) 在NuistRD-X与南京和常州两部CINRAD-SA雷达作对比观测时, 发现他们的差值均在雷达误差范围内, 说明定标后的NuistRD-X雷达的回波数据是可信的。
在实验中发现在实际的降雨区域中, 存在着非常丰富的一些小尺度的降雨突变, 而这些小尺度变化在常规的新一代天气雷达观测资料中不能体现出来。因此, 若是涉及到关于研究降雨区域中的一些小尺度变化的问题, 采用高分辨率的雷达资料是十分有必要的。但这次试验仅对NuistRD-X雷达的回波强度进行初步检验, 未来还需要更多的试验进行验证。本文统计的定标曲线受NuistRD-X雷达使用时间限制, 仅统计了7月降水资料, 以后还将通过更多的数据统计, 完善定标曲线。
参考文献
[1] 朱北川, 刘立兵.利用地物杂波进行天气雷达强度标定.成都气象学院学报, 2000;15 (4) :322—326Zhu B C, Liu L B, Intensity calibration of weather radar using ground clutter.Journal of Chengdu Institute of Meteorology, 2000;15 (4) :322—326
[2] 张培昌, 杜秉玉, 戴铁丕.雷达气象学 (第2版) .北京:气象出版社, 2000:40—190Zhang P C, Du B Y, Dai T P.Radar meteorology (Second Edition) .China Meteorological Press, 2000:40—19
[3] 盛裴轩, 毛节泰, 李建国.大气物理学.北京:北京大学出版社, 2003:19—22Sheng P X, Mao J T, Li J G.Atmospheric Physics.Beijing:Peking University Press 2003:19—22
[4] 赵恒轩.天气雷达接收机传输特性参数S的动态测量方法.气象科学, 2003;23 (3) :372—378Zhao H X, A method measuring dynamically transfer characteristic parameter S of weather radar receiver.Scientia Meteorologica Sinica, 2003;23 (3) :372—378
[5] Delrieu G, Caoudal S, Creutin J D.Feasibility of using mountain return for the correction of ground-based X-band weather radar data.Journal of Atmospheric and Oceanic Technology, 1997;14:368—385
[6] 赵恒轩, 张赴建.回波的PIA因子在3 cm雷达波衰减订正中的应用.南京气象学院学报, 2000;23 (1) :119—123Zhao H X, Zhang F J.Application of mountain return PIA to the attenuation correction of 3-cm weather radar data.Journal of Nanjing Institute of Meteorology, 2000;23 (1) :119—123
[7] 纪奎秀, 王贤勤, 倪萍, 韦巍..X波段气象雷达回波强度的衰减订正.成都信息工程学院学报, 2007, 22 (3) :355—359Ji K X, Wang X Q, Ni P, et al.Attenuation correction of X-band weather radar echo intension.Journal of Chengdu Institute of Meteorology, 2007;22 (3) :355—359
回波信号提取 篇6
进行生命迹象探测并进行营救工作无疑是地震或滑坡等自然灾害发生时的首要工作,而超宽带雷达探测在生命探测领域有着极其重要的地位,其工作原理是把接收的心跳和呼吸信号通过宽相关处理,并根据时频分析的结果救助灾害中的被困人员。由于超宽带雷达回波信号具有典型的非平稳、时变性特征,若仅从时域波形或信号频谱进行分析,就不能反映频谱随时间的变化规律,也很难分析波形的成分,导致无法成功定位被困人员。因此,要使用超宽雷达成功进行生命探测,核心问题是采用正确的时频分析方法和建立相关分析的数学模型。
2012在上海召开的第十四届国际地面穿透雷达(GPR)针对灾害救助提出了超宽带雷达在微弱的生命信号检测方面的应用。首先建立复杂的环境模型,应用时域有限差分方法(Finite Difference Time Domain,FDTD)模拟模型的响应。然后对接收信号用相关分析和曲波变换分解的背景信号,利用奇异值分解(Singular Value Decomposition,SVD)去除生命信号的噪声,在基于快速傅里叶变换和经验模式分解(Empirical Mode Decomposition,EMD)的基础上结合希尔伯特变换和希尔伯特黄变换(HHT)来分离和提取的特征频率和呼吸心跳,定位目标的位置。结果表明这种组合的UWB脉冲雷达和各种处理方法为识别潜在的生命[1]。
2014年李静等发表在IEEE应用地球观测与遥感专题杂志的论文上对复杂环境中的用超宽带雷达探测被困灾民雷达提取生命特征的先进信号处理应用提出新的方法,在以上的基础上结合微多普勒效应,从而来进行生命定位[2]。
超宽带技术具有分辨率高、保密性好、系统容量大、抗干扰能力强、传输速度快等优点,因此在无线电通信、雷达精确定位、成像等领域存在着潜在的应用前景。近20年来,许多研究机构投入了这项技术,同时一些国家还得到了政府的支持,在军用方面:UWB雷达、探测地雷、战术手持、警戒雷达等。民用方面:地质勘探、汽车防冲撞传感器器等[2]。
基于以上存在的问题,本论文主要探讨超宽带雷达在生命探测领域中,进行回波信号时频分析方法的应用研究,解决如何通过呼吸心跳进行准确的时频分析,并根据其频谱随时间的变化规律来精确分析并判断是否有生命存在。在文中利用被困人员的呼吸心跳数据,通过短时傅里叶变换、魏格纳变换、WignerHough变换等不同的方法对呼吸心跳进行时频分析,并基于相关方法的数据模型,采用MATLAB进行回波信号的变换和处理,得出直观的结果。
1 接收信号处理
常见的超宽带雷达分为三种不同体制雷达:冲击脉冲体制、连续波体制、步进频率体制,因为探测技术原理不同,各自存在不同的特点。由于冲激体制的超宽带雷达优点是不必经过过多的信号处理即可进行实时的显示观察,结构相对简单,成本低,因此选择此种方法进行生命探测。生命探测主要是探测其生命信号的规律,但是心跳和呼吸的速率都比较低,一般情况,呼吸为0.5赫兹左右,心跳为1赫兹左右,对生命体的探测实质上是对一微弱信号的检测,方案设计如图1所示。
设人与天线之间的距离为d0,由生命体引起的微弱变化为r(t),而生命体的微弱变化主要包括呼吸、心跳引起的胸腔震动。则人与探测雷达之间的距离为:
其中,r(t)为呼吸和心跳引起的简谐振荡运动,ma、mb和fa、fb分别为呼吸和心跳的振幅与频率。
接收信号为:
其中,Ak为直达波的幅度,τk为地面多次反射形成直达波的时延,它是时变的。Ap为人体目标回波的幅度,τd为人体目标回波的时延。n(t,τ)为噪声。
其中,c为光速,τ、τa和τb分别为雷达与生命体距离引起的固定时延以呼吸和心跳微动引起的时延。
在雷达探测时,由于收发天线及天线与地层的互耦影响较大,主要集中在接收信号中较早地到达时间段,引起较强的直耦波和直达波,并往往有拖尾振荡,这对接收信号中目标回波形成了干扰,所以雷达接收到的回波实际是一种弱信噪比、波形畸变的信号。经过预处理去除或尽可能地降低干扰信号成分,提高数据的信噪比,并对接收回波进行波形修正[3];修正后的信号通过宽相关处理及忽略介质和多次反射得到想要的波形,由于呼吸心跳波形是一种非平稳信号,对波形进行时频分析时采用常用的短时傅里叶分析和魏格纳分析方法。
1.1 宽相关处理
探地雷达回波信号并不是想看到的信号,因此要经过相关的处理。直接耦合波和地面反射波组成的直达波直接影响回波的目标信号。并且它对目标信号有一个放大的时间差,通过数据时间轴截断抑制直达波。将探地雷达的三维回波数据S(t)进行横向和纵向的平均,获得垂直方向的平均回波数据,从中选择第二和第三个回波的连接点作为截断点进行数据截断,抑制直达波,剔除前面的回波数据部分,将余下的回波数据作为信号的数据进行后续处理[3]。
常用的探地雷达回波模型主要是褶积模型,它主要反映地磁波在地下传播中的不同介质层的多次反射。针对每一道测试数据,可采用超宽带点目标回波模型描述回波的时延和频谱展宽[3]。可建立超宽带探地雷达回波模型如下:
探地雷达超宽带天线发射时的探测脉冲为r1(t)=x(t)则回波信号为:
式中,S0(t)为直达波,i表示第i次反射波,j表示第j层反射波,m表示地面距埋藏目标可分的层数。,为φ的补集。n(t)为高斯噪声。Ki,j为衰减常数(对应反射系数)。S1,m+1和τ1,m+1是待估计的未知参数,代表目标的时延,频谱展宽。
经过直达波剔除后的回波信号可描述为:
针对超宽带窄脉冲探地雷达,在均匀介质条件下,目标反射回波的能量远大于多次反射波的能量,因此忽略介质和多次反射波的影响,则用于目标检测和参数估计的有效回波信号大地等效滤波器作用后,可近似描述为:
宽相关处理作为宽带信号处理的重要数学方法,可以有效地检验和估计宽带回波信号的相关参数。通过引入伸缩因子s后,补偿了r1(t)和r2(t)之间的尺度伸缩匹配关系。
相关处理是非常直观方法,具体来说就是用具有不同尺度和时延的复杂信号与接收信号作相关,即宽带相关处理。
宽带相关处理器的输出为:
通过该公式,可以用峰点估计法或者零点估计法计算出宽相关处理的参数(τ,s)。
实际过程中,介质多为非均匀情况。因此,对于存在干扰点的介质通过多道数据平均实现参数的稳健估计。干扰噪声的一个特点是出现的时间和几率相对不连续,因此通过多道数据纵向成横向平均,以纵向成横向分辨率的降低为代价换取正确的匹配和参数估计[3]。
1.2 传统分析方法—傅里叶变换
傅里叶变换(Fourier Transform,FT)是一种常用的信号分析方法,它建立了时域和频域间的通道,但是傅里叶变换使用的是一种全局的变换方法,处理的结果完全是在时域或者完全在频域,无法将时域和频域组合成一个域,然而这种性质却是非平稳信号最基本和关键的性质。超宽带雷达回波信号具有典型的非平稳、时变性特征,若仅从时域波形或信号频谱进行分析,就不能反映频谱随时间的变化规律,也很难分析波形的成分,这使得时频分析方法在探地雷达中获得了广泛的应用。
1.3 短时傅里叶变换
时频分析方法按照时频联合的函数不同可以分为线性时频表示和双线性时频表示两种。常见的线性时频表示主要有短时傅里叶变换、盖博展开和小波变换;双线性时频表示主要有Cohen类时频分布和仿射类(Affine)时频分布,其中最著名的是Wigner-Ville分布[4]。
短时傅里叶变换(Short-time Fourier Transform,STFT)是时频分析比较常用的方法,基本思想是:假设非平稳信号在分析窗函数h(t)的一个短时间间隔内是平稳(伪平稳)的,并移动分析窗函数,使f(t)h(t-τ)在不同的有限时间宽度内是平稳信号,从而计算出各个不同时刻的功率谱。
定义如下:
其中,x(t)为待分析信号,h(t)为所采用的窗函数。
在每个小窗口位置对其少量数据进行FT,得到关于频率与时间的二维时频分布信号x(τ)在时间t附近的“局部频谱”。STFT的时间分辨率由Δth决定,频率分辨由带宽Δfh决定,当窗函数确定后,时间分辨率和频率分辨率将固定不变,并满足不确定原理[8]
从定义可以看出,STFT方法最大的优点就是容易实现,它实质上是限制了时间窗长的傅里叶分析;但STFT只能选择一个固定的窗函数,且受不确定性原理的限制,从而不能随频率需要使时间窗变宽或变窄,这样不利于高低频的信号检测。下面是一个不同频率域的正弦信号。
从图3中可以看出,STFT的窗长是固定的,不利于分析多频信号。
1.4 魏格纳分布
信号x(t)的魏格纳分布(Wigner-Ville Distribu-tion,WVD)[8]定义为:
魏格纳分布(Wigner-Ville Distribution,WVD)可被看作时域和频域中的信号能量分布。它具有很好的时频聚焦性,但是由于地震中对生命探测时,考虑到呼吸心跳及噪声等多分量信号,根据信号相加但是WVD并不是相加,而是再他们的互WVD,从而产生相加后信号的WVD干扰。交叉项干扰是其应用中的主要缺陷。
图4展示了不同频率的信号相加,它的WVD图有交叉,不能清楚明了的展示。
1.5 W-H变换
Hough变换是Hough在1962年提出的形状匹配技术,它可将被检测图像的参数曲线在参数空间中凝聚起来形成与相应曲线对应的参数峰点,从而得到图像中各个曲线的参数。对信号的WignerVille分布进行Hough变换时,可以得到一种新的变换,称为Wigner-Hough变换,简写为W-H变换[5]。其定义为:
W-H变换与Wigner-Ville分布相比具有两个优点:抑制噪声以及交叉项。
2 呼吸心跳的时频分析
生命探测主要是检测人体的呼吸和心跳,人的呼吸心跳满足公式r(t)=A1sin(w1t)+A2sin(w2t+θ),其中A1、A2为呼吸和心跳的幅度,w1和w2表示其呼吸和心跳的频率,θ为心跳的初始相位。微弱信号时A1取0.4厘米,A2取0.05厘米,w1取1.57rad,w2取9.42rad,θ为0.96,下面用STFT、WVD、W-H对呼吸和心跳的时频进行分析。代入数据得到心跳呼吸公式:r(t)=0.4(0.25t)+0.05(1.5t+0.96)
呼吸心跳的STFT及WVD,W-H分析如图5-7所示。
3 结束语
通过对短时傅里叶变换、魏格纳变换、WignerHough变换等时频分析方法原理的探究,根据相应的数据模型利用呼吸心跳的数据进行时频分析,可以得出Wigner-Hough变换在生命回波信号时频分析方面有着明显优势,能够对呼吸心跳及噪声等多分量信号进行有效处理,它弥补了其他方法交叉项干扰的缺陷。通过正确利用Wigner-Hough变换时频分析方法会使超宽带在生命探测领域发挥更大的作用。后续需要探究把Wigner-Hough变换时频分析方法应用到更多领域的可行性,相信它将在更广泛的领域发挥它的作用。
摘要：针对超宽带雷达在生命探测中如何对回波信号进行分析的问题,提出了该领域最佳时频分析方法——Wigner-Hough变换。主要思路是通过对超宽带雷达信号原理分析,并进行宽相关处理除去各种干扰;然后用短时傅里叶变换、魏格纳变换、Wigner-Hough变换方法对回波信号进行时频分析;利用人的呼吸和心跳数据进行仿真与实验验证,Wigner-Hough变换在时频分析方面有着明显优势。
关键词：超宽带雷达,宽相关处理,短时傅里叶变换,魏格纳变换,Wigner-Hough变换
参考文献
[1]Li Jing,Liu Lan-bo,Zeng Zhao-fa,et al.Simulation and signal processing of UWB radar for Human Detection in Complex Environment[C].2012 14th International Conference on Ground Penetrating Radar(GPR),Shanghai in China,2012:209-213.
[2]Li Jing,Liu Lan-bo,Zeng Zhao-fa,et al.Advanced Signal Processing for Vital Sign Extraction With Applications in UWB Radar Detection of Trapped Victims in Complex Environments[J].IEEE journal of Selected Topics in Applied Earth Observations and Remote Sensing,2014,7(3):783-791.
[3]Moe Z Win,Robert A Scholtz.On the Robustness of Ultra-Wide Bandwidth Signals in Dense Multipath Environments[J].IEEE COMMUNICATIONS LETTERS,1998,2(2):51-53.
[4]He Feng,Zhu Guo-fu,Huang Xiao-tao,et al.Preliminary Results of Ultra-Wideband Through-thewall Life-detecting Radar[C].Radar Conference in 2010 IEEE,Washington,2010:1327-1330.
[5]王明阳,王军良,张静.超宽点冲击无线电信号检测技术[M].北京:国防工业出版社,2013:1-3.
[6]费元春.超宽带雷达理论与技术[M].北京:国防工业出版社,2010:1-40.
[7]王绪本,景涛,祝忠明,等.国家自然科研项目城市灾害救助生命搜索的超宽带电磁探测方法研究[M].四川:成都理工大学,2007:214-255.
[8]张贤达.现代信号处理[M].北京:清华大学出版社,2002:349-457.
回波信号提取 篇7
超声无损检测技术的特点使其在工业和医学中的应用越来越广泛。由于信号在激励、传输和检测过程中可能不同程度地受到随机噪声的污染, 特别在小信号采集和测量中, 噪声干扰显得尤其严重, 因此, 如何消除实际信号中的噪声, 从混有噪声的信号中提取有用信息, 一直是信息学科研究的焦点之一[1]。超声信号的处理方法很多, 如空域复合法、频率复合法、解卷积、自适应滤波、倒谱分析法和裂谱分析法等, 对提高超声检测的信噪比具有实际意义, 但这些方法中绝大部分仅用了信号的时域信息或频域信息, 影响检测的可靠性。小波变换作为时频分析方法的一种, 具有许多优良特性, 尤其适合于时变信号的处理, 能很好地解决时间和频率分辨率的矛盾, 适合于对非平稳、时变信号进行时频局部分析。本文针对超声检测信号的特点, 研究利用小波变换提高超声信号信噪比的有效方法, 从而提高超声检测的可靠性。
1小波变换的原理
设Ψ (t) ∈L2 (R) , 其傅里叶变换为Ψ (ω) , 当Ψ (ω) 满足容许条件 (完全重构条件) 时, 即:
undefined。 (1)
则称Ψ (t) 为一个母小波 (Mother Wavelet) 。将母函数Ψ (t) 经伸缩和平移后得到:
undefined。 (2)
称Ψa, b (t) 为一个小波序列, 其中a为伸缩因子, b为平移因子。对于任意的函数f (t) ∈L2 (R) , 连续小波变换为:
undefined。 (3)
其重构公式为:
undefined。 (4)
从信号处理角度看, 小波函数Ψ (t) 是一个高通滤波器, 它具有窗口形状可变的窗函数。对于高频信号, 时窗变窄, 频窗变宽, 有利于信号细节的描述;对于低频信号, 时窗变宽, 频窗变窄, 有利于信号整体行为的描述。小波变换能够把信号分解到一系列在对数意义上具有相同带宽的频率通道, 因此, 它能表示各种不同频率分量的信号, 特别是具有突变性质的信号。小波变换在实际应用中必须加以离散化。需要指出的是, 这一离散化都是针对连续的尺度参数a和连续平移参数b的, 而不是针对时间变量t的, 这一点与以前习惯的时间离散化不同。
1989年法国学者Mallat提出了多分辨率分析, 将小波分析与信号处理很好地结合起来, 并给出了Mallat分解重构算法[2]。
设尺度函数为Φ (t) , 使得集Φj (t) ={Φj, k (t) , k∈Z}构成闭子空间Vj∈L2 (R) 的标准正交基, 有小波分解递推公式:
undefined
。 (5)
对该小波分解有重构公式:
undefined。 (6)
其中:h (n) 为小波低通滤波器的冲击响应;g (n) 为小波高通滤波器的冲击响应;d是分解总层数;j为分解层数;A、D为低、高平信号;f为信号函数。
2小波分析去噪原理
一个含噪声的信号模型为:
y (ti) =f (ti) +n (ti) i=1, …, N 。 (7)
其中:f (t) 为原信号;n (t) 为期望值为0、方差为σ2的独立同分布的高斯噪声。去噪就是去掉n (t) 从而恢复f (t) 。n (t) 自相关函数为:
Rn (u, v) =E[n (u) n (v) ] 。 (8)
由参考文献[3]可得:
undefined。 (9)
其中:s为小波变化尺度;Wn (s, x) 为所取的小波;φ为尺度函数。
可以看出, 随着尺度s的增加, |Wn (s, x) |2及它的均值在减小。而原始信号的小波变换的模极大值随着尺度s的增加在增加, 或至少保持不变, 因此, 可根据两者的区别进行去噪。
阈值法是现阶段应用最广泛的去噪方法, 它是一种完全不同于传统滤波的非线性滤波方法, 是通过在不同尺度上选取一个动态阈值来达到给信号去噪的目的。目前应用最广泛的是Donoho提出的软阈值和硬阈值去噪法[4,5]。
硬阈值函数定义为:
undefined
。 (10)
软阈值函数定义为:
undefined
。 (11)
实现上述规则的关键是选取合适的阈值λ。Donoho和Johnston提出了小波阈值选取方法[6]:
undefined。 (12)
其中:n为信号长度。式 (12) 中, σ可通过观察数据y (ti) 或观察数据的小波系数来估计。已经证明, 用阈值方法通常可重现峰值高度, 因此不连续性更好, 但牺牲了一些光滑性。
3实验结果分析
根据上述算法, 采用MATLAB6.5进行仿真实验。图1 (a) 是仿真的具有不同幅值的脉冲信号加入随机高斯白噪声后的波形, 可以看出信号几乎被噪声完全湮没。图1 (b) 是图1 (a) 去噪以后的信号波形, 可见, 信号的信噪比大大提高。图2 (a) 是超声密度检测中的脉冲回波信号, 图2 (b) 是图2 (a) 去噪后的回波信号。
从实验结果可以看出, 用上述方法对超声信号进行去噪, 效果良好, 精度高, 纵向分辨率也较高。超声脉冲信号的功率谱通常被建模为Gaussian函数, 而Gaussian小波函数的功率谱是Gaussian函数, 并且从前面的分析可知, 超声回波的数学模型是由Gaussian函数经过调制得到的, 所以Gaussian小波函数是脉冲信号的最佳匹配[7], 因此, Gaussian小波是最优的, 但Daubechies小波也能较好地匹配超声脉冲信号。由于Gaussian小波的实现比较复杂, 这里采用Daubechies小波进行分解, 并用软阈值方法处理。
4结论
传统的超声检测信号处理方法大部分只利用了信号的时域或频域信息, 对超声这种非平稳、时变尖锐的脉冲信号效果不是很好。本文分析了超声脉冲回波的特点后, 提出了基于小波变换的超声信号的信噪分离方法。结果表明, 它能极好地抑制噪声, 提高信噪比, 并且具有高的缺陷定位精度和纵向分辨率。
参考文献
[1]马宏伟.小波变换在超声检测信号去噪中的应用[J].无损检测, 2004, 26 (2) :68-71.
[2]Mallat S.A theory for multiresolution signaldecomposition:the wavelet representation[J].IEEETrans Pattern Anal and Machine Intell, 1989, 11 (7) :647-693.
[3]Mallat S, Hwang W L.Singularity detection andprocessing with wavelets[J].IEEE Trans on InformationTheory, 1992, 38 (2) :617-643.
[4]付炜.一种改进的小波阈值去噪算法[J].传感技术学报, 2006, 19 (2) :533-536.
[5]Donoho D L.De-noising by soft thresholding[J].IEEETrans on Information Theory, 1995, 41:613-627.
[6]Donoho D L, Johnston I M.Adapting to unknownsmoothness via wavelet shrinkage[J].Journal of theAmerican Statistical Association, 1995, 90:1200-1224.