[go: up one dir, main page]

CN109190149A - 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法 - Google Patents

一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法 Download PDF

Info

Publication number
CN109190149A
CN109190149A CN201810804856.2A CN201810804856A CN109190149A CN 109190149 A CN109190149 A CN 109190149A CN 201810804856 A CN201810804856 A CN 201810804856A CN 109190149 A CN109190149 A CN 109190149A
Authority
CN
China
Prior art keywords
bird
wing
target
micro
echo
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810804856.2A
Other languages
English (en)
Other versions
CN109190149B (zh
Inventor
王锐
胡程
郎添娇
李卫东
龙腾
曾涛
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201810804856.2A priority Critical patent/CN109190149B/zh
Publication of CN109190149A publication Critical patent/CN109190149A/zh
Application granted granted Critical
Publication of CN109190149B publication Critical patent/CN109190149B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Catching Or Destruction (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法。本发明为了尽可能逼真地模拟鸟模型形状,该三维立体模型并没有采用传统的规则几何体模型。而是考虑了鸟结构,更为逼真的仿真鸟模型。此外,本发明还考虑到扑翼姿态多样化,建立了不同扑翼状态鸟类目标三维电磁散射模型,根据该模型模拟鸟模型,进而保证结果更贴近真实情况。

Description

一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法
技术领域
本发明属于探鸟雷达技术领域,具体涉及一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法。
背景技术
迁飞是动物对栖息地资源发生偶然性或季节性变化时的一种适应性行为,鸟类的迁徙长期以来都是人类最感兴趣的自然现象之一。探鸟雷达为监视和研究鸟类迁徙活动提供了强有力的工具。探鸟雷达能够对一定范围内的空域进行360°全方位扫描,通过雷达照射目标后产生的回波可以获取鸟类的质量、振翅频率等生物学参数和飞行速度、方向、高度等行为学参数。准确地获取鸟类的生物学参数和行为学参数,将显著提高雷达对鸟类目标的识别能力,从而实现鸟类迁飞的监测与预警。
鸟的飞行状态主要有振翅,滑行,跳跃三种模式,其中鸟类振翅是最典型的飞行模式。鸟类振翅频率是表征其飞行特征的重要参数,研究表明,振翅频率可反推获得鸟类目标质量、翼展等生物学参数。因此,对鸟类振翅频率的研究有利于鸟目标质量、翼展等生物学参数的提取,这对于鸟目标识别与鸟类迁飞的监测具有重要意义。
鸟类目标的生物学参数与其目标电磁散射特性有关,雷达散射截面积(RadarCross Section,RCS)是表征目标电磁散射特性的重要特征参数,获取鸟类目标的电磁散射特性对于雷达目标的识别及目标特征参数的提取具有重要的意义。目标电磁散射特性的获取有实验测量和电磁软件仿真两种方式。实验测量RCS操作复杂,难以得到全部方位角、俯仰角及极化方向下的生物目标RCS数据信息,并且测量的准确性也难以保证。因此对鸟类目标进行散射建模并利用电磁仿真软件进行散射特性仿真,可以为鸟类目标识别和生物学参数提取提供更加全面的电磁散射特性信息。
对于鸟类目标振翅频率,主要采用对其微多普勒回波进行时频分析方法获得。P.VanDorp对人体步态模型的微多普勒回波进行了建模分析,并提取了人体步态频率。在此基础上,V.C Chen等人建立鸟类扑翼的微多普勒回波模型,并利用时频变换提取其振翅频率。研究中的人体模型和鸟类模型都使用椭球和球体等简单模型构造,其RCS主要利用简单模型的理论公式获取。然而由于鸟结构的复杂,这种方式不是十分准确。另一种方法是研究目标动态RCS,从中提取鸟类目标振翅频率等动态信息。对于目标静态及动态电磁散射特性的仿真,国内外均有相关研究。美国俄克拉荷马大学对巴西犬吻蝠的静态电磁散射特性进行了仿真及实测验证,国内对于目标电磁仿真研究主要集中在导弹、飞机等大型目标上,研究重点主要集中在目标动态电磁散射特性仿真上。而对于鸟类微小生物目标的电磁散射特性国内外研究甚少,对于鸟类模型微多普勒模型的构造也缺乏相应的鸟类目标全极化全方向RCS等电磁散射特性信息。
发明内容
有鉴于此,本发明提供了一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法。为高精度仿真鸟类目标飞行过程中的微多普勒回波及准确提取鸟目标振翅频率提供了一种有效的手段,解决了实验测量的全方位角电磁散射数据稀缺的问题。
一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法,具体实现方法为:
步骤一、分别建立鸟体两翅膀的多扑翼姿态下鸟类目标电磁散射模型,并基于鸟类目标电磁散射模型建立鸟类目标不同扑翼状态的三维立体模型;并将所述三维立体模型导入CST电磁仿真软件;在CST电磁仿真软件中,对发射信号进行极化后发射,获得仿真情况下各个扑翼状态下鸟类目标的电磁散射特性信息;
步骤二、根据雷达分别与鸟体两翅膀肘关节节点和腕关节节点的距离,以及鸟体的两翅膀在仿真情况下接收到的回波信号,获得鸟翅膀产生的总微多普勒回波表达式;
步骤三、将步骤一中获得的各个扑翼状态下鸟类目标的电磁散射特性信息代入总微多普勒回波表达式中,获得鸟类目标微多普勒回波,并从鸟类目标微多普勒回波中提取目标振翅频率,获得验证结果。
较佳地,步骤一中,所述建立多扑翼姿态下鸟类目标电磁散射模型的方法为:
选取其中一边翅膀,令鸟翅膀的肩关节、肘关节和腕关节作为节点,令肩关节和肘关节之间称为上臂,肘关节和腕关节之间称为前臂;根据上臂和前臂的振动曲线,建立多扑翼姿态下鸟类目标电磁散射模型;
按上述方法,建立另一边翅膀的多扑翼姿态下鸟类目标电磁散射模型。
较佳地,所述三维立体模型包含鸟身、鸟头、鸟颈、鸟翅膀和鸟尾五部分。
较佳地,所述鸟身由部分椭球体组成;所述鸟头和鸟颈分别通过曲面旋转和拉伸得到;所述鸟尾由圆锥构成;所述鸟翅膀将每个鸟翅膀分为两节,即上臂和前臂,每节翅膀均由弧形平板构成。
较佳地,所述步骤一中,对发射信号进行H极化或V极化。
较佳地,步骤二中,所述雷达与鸟翅膀肘关节节点和腕关节节点的距离的获得方法为:
以雷达为坐标原点,建立雷达视线坐标系;在雷达视线坐标系下,分别建立鸟体初始状态的坐标系,以及经鸟翅膀上下拍动及前后摆动后最终状态下的鸟体坐标系;之后,获得各坐标系下,鸟翅膀肘关节节点和腕关节节点坐标;并利用各坐标系下各节点之间的几何关系,最终获得雷达到最终状态下鸟翅膀肘关节节点和腕关节节点的距离。
较佳地,步骤三中,所述获得鸟翅膀产生的总微多普勒回波表达式的方式为:
步骤2.1确定鸟体一边鸟翅膀的上臂的回波信号A和前臂的回波信号B,并将雷达与所述一边鸟翅膀肘关节节点的距离代入所述回波信号A,将雷达与所述一边鸟翅膀腕关节节点的距离代入所述回波信号B;之后,将回波信号A和回波信号B相加作为所述其中一边鸟翅膀产生的微多普勒回波;
步骤2.2、按照步骤2.1的方法,获得另一边翅膀产生的微多普勒回波;
步骤2.3、将步骤2.1和步骤2.2中获得的微多普勒回波求和,并除去翅膀外的鸟体回波,获得总微多普勒回波表达式。
较佳地,步骤三中,所述从鸟类目标微多普勒回波中提取目标振翅频率的方式为:
对鸟类目标微多普勒回波进行脉冲压缩处理,并对脉冲压缩后信号峰值做FFT处理,从而提取鸟目标振翅频率。
本发明具有如下有益效果:
1、本发明为了尽可能逼真地模拟鸟模型形状,该三维立体模型并没有采用传统的规则几何体模型。而是考虑了鸟结构,更为逼真的仿真鸟模型。此外,本发明还考虑到扑翼姿态多样化,建立了不同扑翼状态鸟类目标三维电磁散射模型,根据该模型模拟鸟模型,进而保证结果更贴近真实情况。
2、本发明考虑了多关节鸟翅膀结构,建立了多扑翼姿态下的高精度鸟目标三维电磁散射模型,并提供了鸟类目标全方位全极化RCS信息,全极化RCS信息为分析鸟目标散射矩阵,鸟目标飞行朝向等方面提供了有利依据。为高精度仿真鸟类目标飞行过程中的微多普勒回波及准确提取鸟目标振翅频率提供了一种有效的手段。同时提供了鸟类目标全方位全极化RCS及相位信息,解决了实验测量的全方位角电磁散射数据稀缺的问题,这些数据在目标参数获取方面有重要的应用价值。
附图说明
图1(a)是三关节鸟翅膀结构的正视图
图1(b)是三关节鸟翅膀结构的俯视图
图2是禾谷雀三维立体模型
图3是雷达坐标系下鸟类目标运动示意图
图4是一个振翅周期内禾谷雀鸟模型翅膀姿态变化
图5(a)是禾谷雀鸟模型RCS幅度随时间变化曲线
图5(b)是禾谷雀鸟模型RCS幅度随相位变化曲线
图6(a)是禾谷雀鸟模型微多普勒回波时域仿真结果
图6(b)是禾谷雀鸟模型微多普勒回波时域振翅频率提取结果
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明主要基于鸟类电磁散射模型,对实际提取到的鸟类目标振翅频率进行仿真验证,具体来说:首先建立不同扑翼状态鸟类目标三维电磁散射模型,采用鸟类翅膀三关节结构(肩关节,肘关节,腕关节),分为上翅和前翅两部分。之后利用电磁仿真软件对目标进行全方位全极化电磁散射特性仿真,得到目标RCS,电场相位等电磁散射参量。最后设定鸟类目标飞行轨迹,建立鸟类微多普勒回波模型,并从微多普勒回波中提取鸟类目标振翅频率,之后,将获得的鸟类目标振翅频率的仿真结果与实际提取结果进行对比,获得验证结果。具体如下:
步骤一、建立多扑翼姿态下鸟类目标电磁散射模型。与人体的上肢结构类似,鸟翅膀有三个关节,分别是肩关节,肘关节和腕关节。这三个关节可以将鸟翅膀分为两部分:肩关节和肘关节之间称为上臂,肘关节和腕关节之间部分称为前臂。如图1(a)和1(b)所示,其中上臂扑翼角度为ψ1,前臂扑翼角度为ψ2。前臂摇摆角度为设上臂和前臂振动频率相同,均为fflap,则t时刻扑翼角度可以表示为:
ψ1(t)=A1cos(2πfflapt)+ψ10 (1)
ψ2(t)=A2cos(2πfflapt)+ψ20(2)
其中A1,A2,C2为上臂及前臂(扑翼及摇摆)的振动幅度,ψ10,ψ20为初始相位。
步骤二、根据式(1),式(2),式(3)的扑翼角度随时间变化关系,即可利用solidworks建模软件建立鸟类目标不同扑翼状态的三维立体模型。本发明所建立的鸟类目标三维立体模型包含鸟身,鸟头,鸟颈,鸟翅膀,鸟尾五部分,如图2所示。为了尽可能逼真地模拟鸟模型形状,该三维立体模型并没有采用传统的规则几何体模型。本模型中鸟身由部分椭球体组成,鸟头,鸟颈分别通过曲面旋转和拉伸得到,鸟尾由圆锥构成。鸟翅膀分为两节,即上臂和前臂,每节翅膀均由弧形平板构成,从而尽可能高精度还原鸟类翅膀形状,上臂平板和鸟身水平面的角度及上臂与前臂平板的角度即为式(1)、式(2)求得的扑翼姿态角ψ1(t),ψ2(t)。而现有技术往往设定一个固定参数,导致最终的结果不精准。本发明不考虑前臂摇摆这一姿态变化,即
之后,将创建的不同扑翼姿态鸟目标三维模型导入CST电磁仿真软件并设置相应仿真参数。查阅相关文献得,鸟类目标介电常数可以用干皮肤结构的介电常数表示,查阅相关数据库可以得到不同频率下干皮肤介电常数。其中,本实施例采用的仿真频率为3.3GHz,该频率下干皮肤介电常数εr=37.179,σ=1.9074S/m,其中εr表示相对节点常数,σ为电导率。
为了得到鸟类目标全极化电磁散射特性信息,分别对发射信号极化方式为H极化和V极化两种情况进行电磁散射特性仿真,利用积分求解器中的多层快速多极子技术(MLFMM)进行散射场求解,最终得到各个扑翼状态下鸟类目标的雷达散射截面积与电场相位等电磁散射特性信息。
步骤三、鸟类目标属于非刚体目标,即在飞行过程中,既存在鸟类目标沿雷达径向的有效高阶平动,也存在鸟翅膀相对于鸟体质心的正弦振动,而这种微动所引起的雷达回波中多普勒频率的调制称为微多普勒效应。构造微多普勒回波需要考虑雷达视线与鸟类目标的位置关系。如图3所示,以雷达为坐标原点R,建立雷达视线坐标系(X,Y,Z),以鸟类目标质心O点为坐标原点,建立鸟体坐标系(x,y,z)。鸟翅膀上任意一点运动可以分解为随鸟体飞行的平动和以O点为中心的上下拍动及前后摆动。设鸟类目标飞行速度飞行方向与雷达视线夹角为鸟体坐标原点O相对于雷达的方位角为α,俯仰角为β,鸟体坐标原点O与雷达中心点R距离为R0。经过时间t1后,O点运动到O′点。考虑单边翅膀的情况,设初始时刻肘关节节点为点P1,腕关节节点为点P2,OP1为上臂,OP2为前臂。上臂中心点为点A,前臂中心点为点B。经过时刻t1后,鸟体翅膀肘关节节点和腕关节节点先随鸟体平动至P1′和P2′,再进行拍动和摆动至P1″和P2″。
根据步骤一给出的扑翼角度表达式(1),(2),可以得到t时刻肘关节节点在鸟体坐标系下可以表示为,
腕关节节点在鸟体坐标系下可以表示为,
其中L1为上臂长度,L2为前臂长度,
则t1时刻点坐标可以表示为,
坐标可以表示为,
通过图3计算可得,点O在雷达坐标系下的坐标为
RO=(R0cosβcosα,R0cosβsinα,R0sinβ) (8)
则经过时间t1后,鸟体质心O′在雷达坐标系下的坐标为
RO′=RO+OO′=(R0cosβcosα+vxt1,R0cosβsinα+vyt1,R0sinβ+vzt1) (9)
根据式(6),式(7)得到的P1″,P2″在鸟体坐标系下坐标,可以得到鸟体坐标系下点A″坐标和点B″坐标分别为,
因此在雷达坐标系下A″和B″的坐标可以表示为,
则A″和B″距离雷达的距离为
步骤四、计算鸟类目标微多普勒回波。设发射信号为调频连续波信号,即ts时刻,经H极化或V极化后的发射信号s(ts)表达式为
s(ts)=G(ts/tp)exp(jπkrts 2)exp(j2πf0ts) (16)
则接收信号sr(ts)表达式为,
sr(ts)=ρ(ts)G((ts-τ)/tp)·exp(jπkr(ts-τ)2)·exp(-j2πfcτ) (17)
其中tp为脉冲宽度,B为信号带宽,f0为载波频率,ρ(t)为归一化散射系数(与目标RCS有关),τ为延时,G(ts/tp)为以(0,0)为中心,tp为宽度的矩形窗函数,G((ts-τ)/tp)为以(τ,0)为中心,tp为宽度的矩形窗函数。当雷达与点目标距离为r时,有
因此t1时刻散射点A″和B″产生的回波sA″(t1),sB″(t1)分别为
其中ρ1(t1),ρ2(t1)为点A″和B″归一化散射系数。
则单边翅膀产生的回波为sr(t1)=s1(t1)+s2(t1)。
步骤五、另一边翅膀回波同理可求得。
步骤六、鸟类目标的总微多普勒回波表达式可以表示为两边翅膀与除去翅膀外的鸟体的总微多普勒回波之和。
步骤七、将电磁仿真得到的不同扑翼姿态鸟模型RCS代入微多普勒回波表达式中,即可得到鸟类目标微多普勒回波。
最后对微多普勒回波进行脉冲压缩处理,脉压处理后输出信号时域表达式为,
sout(t1)=|kr|tpsinc(krtp(t10)) (20)
其中tp为脉冲宽度,B为信号带宽,τ0为鸟目标引起的时延。
从式(20)可以看出,脉冲压缩后时域信号峰值与延时τ有关,而延时τ反映了鸟目标振翅频率,因此可以对脉冲压缩后信号峰值做FFT从而提取鸟目标振翅频率,获得验证结果。
为验证前面所述的一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法,对一种雀目科鸟禾谷雀按照前面所述的方法进行电磁散射建模及微多普勒回波仿真,并提取其振翅频率。
步骤一,利用solidworks软件建立禾谷雀鸟模型:
鸟模型相关仿真参数如表1所示,所建立的鸟模型如图2所示。
表1鸟模型仿真参数
本实例中不考虑前臂摇摆这一姿态变化,即令取A1=40,Φ10=15,A2=30,Φ20=40,则上臂扑翼角度ψ1,前臂扑翼角度ψ2表达式为:
ψ1(t)=40cos(30πt)+15 (21)
ψ2(t)=30cos(30πt)+40 (22)
设一个振翅周期内鸟翅膀有7种姿态,变化12次,1s内共有15个振翅周期,则翅膀姿态变化时间间隔τ=1/180s,翅膀在一个振翅周期内变化如图4所示。
步骤二,利用CST电磁仿真软件对建立的鸟模型进行电磁仿真
将鸟三维模型导入CST软件中,并设置相应电磁仿真参数。本实例中电磁仿真参数如表2所示。
表2电磁仿真参数
参数
仿真频率 3.3GHz
介电常数 ε<sub>r</sub>=37.179,σ=1.9074S/m
极化方式 HH极化
雷达俯仰角 α=90°,β=0°
仿真得到0-0.7s内禾谷雀RCS幅值和电场相位,仿真结果如图5(a)和图5(b)所示。
步骤三,仿真鸟模型微多普勒回波,并提取振翅频率。
以发射信号H极化为例,将禾谷雀RCS幅值和相位结果代入式(17)及式(18)中,并代入相关鸟模型参数,设定发射信号仿真参数,如表3所示,得到禾谷雀鸟模型微多普勒回波,最后对回波进行脉冲压缩,对压缩后的回波幅值做FFT变换,从中提取振翅频率。微多普勒回波仿真结果及振翅频率提取结果如图6(a)和6(b)所示,根据仿真结果可提取振翅频率为15Hz,与仿真设置的振翅频率相同,故可以准确的提取出仿真频率。
表3发射信号仿真参数
参数
工作频率 3.3GHz
信号波形 线性调频信号
脉冲宽度 0.1us
合成带宽 320MHz
PRT 65us
采样率 100MHz
雷达到目标距离 2m
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法,其特征在于,具体实现方法为:
步骤一、分别建立鸟体两翅膀的多扑翼姿态下鸟类目标电磁散射模型,并基于鸟类目标电磁散射模型建立鸟类目标不同扑翼状态的三维立体模型;并将所述三维立体模型导入CST电磁仿真软件;在CST电磁仿真软件中,对发射信号进行极化后发射,获得仿真情况下各个扑翼状态下鸟类目标的电磁散射特性信息;
步骤二、根据雷达分别与鸟体两翅膀肘关节节点和腕关节节点的距离,以及鸟体的两翅膀在仿真情况下接收到的回波信号,获得鸟翅膀产生的总微多普勒回波表达式;
步骤三、将步骤一中获得的各个扑翼状态下鸟类目标的电磁散射特性信息代入总微多普勒回波表达式中,获得鸟类目标微多普勒回波,并从鸟类目标微多普勒回波中提取目标振翅频率,获得验证结果。
2.如权利要求1所述的仿真验证方法,其特征在于,步骤一中,所述建立多扑翼姿态下鸟类目标电磁散射模型的方法为:
选取其中一边翅膀,令鸟翅膀的肩关节、肘关节和腕关节作为节点,令肩关节和肘关节之间称为上臂,肘关节和腕关节之间称为前臂;根据上臂和前臂的振动曲线,建立多扑翼姿态下鸟类目标电磁散射模型;
按上述方法,建立另一边翅膀的多扑翼姿态下鸟类目标电磁散射模型。
3.如权利要求1所述的仿真验证方法,其特征在于,所述三维立体模型包含鸟身、鸟头、鸟颈、鸟翅膀和鸟尾五部分。
4.如权利要求3所述的仿真验证方法,其特征在于,所述鸟身由部分椭球体组成;所述鸟头和鸟颈分别通过曲面旋转和拉伸得到;所述鸟尾由圆锥构成;所述鸟翅膀将每个鸟翅膀分为两节,即上臂和前臂,每节翅膀均由弧形平板构成。
5.如权利要求1所述的仿真验证方法,其特征在于,所述步骤一中,对发射信号进行H极化或V极化。
6.如权利要求1所述的仿真验证方法,其特征在于,步骤二中,所述雷达与鸟翅膀肘关节节点和腕关节节点的距离的获得方法为:
以雷达为坐标原点,建立雷达视线坐标系;在雷达视线坐标系下,分别建立鸟体初始状态的坐标系,以及经鸟翅膀上下拍动及前后摆动后最终状态下的鸟体坐标系;之后,获得各坐标系下,鸟翅膀肘关节节点和腕关节节点坐标;并利用各坐标系下各节点之间的几何关系,最终获得雷达到最终状态下鸟翅膀肘关节节点和腕关节节点的距离。
7.如权利要求1所述的仿真验证方法,其特征在于,步骤三中,所述获得鸟翅膀产生的总微多普勒回波表达式的方式为:
步骤2.1确定鸟体一边鸟翅膀的上臂的回波信号A和前臂的回波信号B,并将雷达与所述一边鸟翅膀肘关节节点的距离代入所述回波信号A,将雷达与所述一边鸟翅膀腕关节节点的距离代入所述回波信号B;之后,将回波信号A和回波信号B相加作为所述其中一边鸟翅膀产生的微多普勒回波;
步骤2.2、按照步骤2.1的方法,获得另一边翅膀产生的微多普勒回波;
步骤2.3、将步骤2.1和步骤2.2中获得的微多普勒回波求和,并除去翅膀外的鸟体回波,获得总微多普勒回波表达式。
8.如权利要求1所述的仿真验证方法,其特征在于,步骤三中,所述从鸟类目标微多普勒回波中提取目标振翅频率的方式为:
对鸟类目标微多普勒回波进行脉冲压缩处理,并对脉冲压缩后信号峰值做FFT处理,从而提取鸟目标振翅频率。
CN201810804856.2A 2018-07-20 2018-07-20 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法 Active CN109190149B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810804856.2A CN109190149B (zh) 2018-07-20 2018-07-20 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810804856.2A CN109190149B (zh) 2018-07-20 2018-07-20 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法

Publications (2)

Publication Number Publication Date
CN109190149A true CN109190149A (zh) 2019-01-11
CN109190149B CN109190149B (zh) 2023-04-21

Family

ID=64936920

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810804856.2A Active CN109190149B (zh) 2018-07-20 2018-07-20 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法

Country Status (1)

Country Link
CN (1) CN109190149B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031816A (zh) * 2019-03-22 2019-07-19 中国民航科学技术研究院 基于探鸟雷达的机场飞行区非合作目标分类识别方法
CN111859704A (zh) * 2020-07-30 2020-10-30 上海无线电设备研究所 一种分布式多视角下非刚体目标电磁散射建模方法
CN113281714A (zh) * 2021-05-06 2021-08-20 中国民航大学 基于雷达微多普勒特征增强的鸟类目标探测方法
CN115062361A (zh) * 2022-07-05 2022-09-16 广西师范大学 一种基于扑翼变换频率的飞鸟动态电磁散射建模方法
CN118332840A (zh) * 2024-06-17 2024-07-12 安徽大学 一种基于matlab的行人目标近场雷达散射截面测量方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100321234A1 (en) * 2009-06-19 2010-12-23 U.S. Government As Represented By The Secretary Of The Army Computationally efficent radar processing method and sytem for sar and gmti on a slow moving platform
CN102608589A (zh) * 2012-03-16 2012-07-25 南京理工大学 基于仿生模式识别理论的雷达目标识别方法
CN102914668A (zh) * 2012-09-30 2013-02-06 河海大学常州校区 一种研究鸟类飞行动力学的方法和装置
EP2574957A1 (fr) * 2011-09-30 2013-04-03 Thales Procédé d'estimation de la fréquence doppler non ambigue d'une cible mobile, notamment marine, et radar mettant en oeuvre le procédé
CN103064073A (zh) * 2012-12-04 2013-04-24 上海无线电设备研究所 一种基于频率捷变改变雷达目标特性的方法
EP2589979A1 (en) * 2011-11-03 2013-05-08 Thales Nederland B.V. System for characterizing motion of an individual, notably a human individual
CN105277929A (zh) * 2015-10-22 2016-01-27 北京理工大学 一种基于载波相位微多普勒的振翅频率测量方法
CN106842190A (zh) * 2016-12-27 2017-06-13 北京理工大学 雷达测量昆虫振翅频率、飞行轨迹和朝向信息的实验方法
CN107992676A (zh) * 2017-11-29 2018-05-04 上海无线电设备研究所 一种运动目标时域散射回波的快速仿真建模方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100321234A1 (en) * 2009-06-19 2010-12-23 U.S. Government As Represented By The Secretary Of The Army Computationally efficent radar processing method and sytem for sar and gmti on a slow moving platform
EP2574957A1 (fr) * 2011-09-30 2013-04-03 Thales Procédé d'estimation de la fréquence doppler non ambigue d'une cible mobile, notamment marine, et radar mettant en oeuvre le procédé
EP2589979A1 (en) * 2011-11-03 2013-05-08 Thales Nederland B.V. System for characterizing motion of an individual, notably a human individual
CN102608589A (zh) * 2012-03-16 2012-07-25 南京理工大学 基于仿生模式识别理论的雷达目标识别方法
CN102914668A (zh) * 2012-09-30 2013-02-06 河海大学常州校区 一种研究鸟类飞行动力学的方法和装置
CN103064073A (zh) * 2012-12-04 2013-04-24 上海无线电设备研究所 一种基于频率捷变改变雷达目标特性的方法
CN105277929A (zh) * 2015-10-22 2016-01-27 北京理工大学 一种基于载波相位微多普勒的振翅频率测量方法
CN106842190A (zh) * 2016-12-27 2017-06-13 北京理工大学 雷达测量昆虫振翅频率、飞行轨迹和朝向信息的实验方法
CN107992676A (zh) * 2017-11-29 2018-05-04 上海无线电设备研究所 一种运动目标时域散射回波的快速仿真建模方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
刘凯越等: "关于飞机雷达探测飞鸟的RCS建模仿真", 《计算机仿真》 *
刘凯越等: "基于扑翼模型的鸟类目标动态RCS的仿真研究", 《微波学报》 *
周城宏等: "动态目标的电磁散射模型", 《四川兵工学报》 *
张翼等: "基于微多普勒特征的人体上肢运动参数估计", 《宇航计测技术》 *
赵会宁等: "基于运动捕获文件的人体微多普勒信号仿真", 《计算机应用研究》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110031816A (zh) * 2019-03-22 2019-07-19 中国民航科学技术研究院 基于探鸟雷达的机场飞行区非合作目标分类识别方法
CN111859704A (zh) * 2020-07-30 2020-10-30 上海无线电设备研究所 一种分布式多视角下非刚体目标电磁散射建模方法
CN113281714A (zh) * 2021-05-06 2021-08-20 中国民航大学 基于雷达微多普勒特征增强的鸟类目标探测方法
CN115062361A (zh) * 2022-07-05 2022-09-16 广西师范大学 一种基于扑翼变换频率的飞鸟动态电磁散射建模方法
CN118332840A (zh) * 2024-06-17 2024-07-12 安徽大学 一种基于matlab的行人目标近场雷达散射截面测量方法

Also Published As

Publication number Publication date
CN109190149B (zh) 2023-04-21

Similar Documents

Publication Publication Date Title
CN109190149A (zh) 一种基于鸟类电磁散射模型提取振翅频率的仿真验证方法
CN106842128B (zh) 运动目标的声学跟踪方法及装置
CN103869311B (zh) 实波束扫描雷达超分辨成像方法
CN103093057B (zh) 一种船舶导航雷达信号仿真方法
CN107358250A (zh) 基于双波段雷达微多普勒融合的人体步态识别方法及系统
CN106908786B (zh) 一种基于极化散射矩阵估计的高精度昆虫体轴朝向提取方法
CN110568432B (zh) 基于微多普勒频率的进动锥体目标的几何参数估计方法
CN115061126B (zh) 一种基于多维参数神经网络的雷达集群目标行为识别方法
CN107992676A (zh) 一种运动目标时域散射回波的快速仿真建模方法
CN110618411B (zh) 一种机载雷达杂波实时信号产生方法
CN113281714A (zh) 基于雷达微多普勒特征增强的鸟类目标探测方法
CN105467369A (zh) 一种目标回波仿真方法和装置
CN107942323B (zh) 基于频域熵的进动目标时频曲线提取方法
CN109520383B (zh) 基于matlab的体目标回波模拟方法
CN116299298A (zh) 一种sar成像仿真方法
CN106443629A (zh) 一种基于傅里叶基函数的雷达目标识别方法
CN103293527A (zh) 基于置信框架的自适应isar成像方法
CN110045347B (zh) 一种人体微动回波仿真方法
CN109061586B (zh) 一种基于动态rcs模型的目标微动特征建模方法
CN103675777A (zh) 基于拟合法的机载雷达杂波模拟方法及装置
CN115062361A (zh) 一种基于扑翼变换频率的飞鸟动态电磁散射建模方法
CN109188378B (zh) 一种超声多普勒回波信号仿真方法
Hu et al. Electromagnetic scattering characteristics of flapping bird and experimental validation
Zhang et al. Research on human micro-motion feature extraction technology
Calist et al. Machine learning based channel parameter estimation for indoor environment utilizing reflected rays information

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant