基于ISSA-BPDN的机坪杂波背景下鸟类目标微多普勒分量分离方法

来源：信号处理杂志 2025年第11期北京时间：

作者：何炜琨, 郭宏伟, 尚肖霄

摘要：鸟击是威胁航空安全的首要因素，鸟击事件多发生在飞机起降阶段，机坪环境下民航飞机等大型目标产生的强回波会将微弱的鸟类目标回波淹没，机坪杂波背景下鸟类目标监测至关重要。鸟类目标翅膀拍打产生的微多普勒特征包含了目标重要的物理信息，可作为鸟类目标识别的重要依据，强机坪杂波背景下该特征难以被直接提取。因此，需要从雷达接收回波中有效分离出振翅回波产生的微多普勒分量。针对机坪杂波背景下鸟类目标微多普勒分量分离问题，提出一种基于改进麻雀搜索算法（Improved Sparrow Search Algorithm，ISSA）优化基追踪降噪（Basis Pursuit Denoising，BPDN）的鸟类目标振翅回波信号分离方法。该方法首先，通过融合Circle混沌映射、鱼鹰优化算法（Osprey Optimization Algorithm，OOA）和柯西变异策略对麻雀搜索算法（Sparrow Search Algorithm，SSA）进行改进。采用Circle混沌序列初始化麻雀种群，增加种群的多样性；为提升全局寻优能力，利用OOA算法改进探索者的更新公式；通过柯西变异，扰动跟随者位置，提升算法跳出局部最优的能力。其次，针对人工选取BPDN参数导致微多普勒信号分离性能下降的问题，采用ISSA优化BPDN的正则化参数和增广拉格朗日参数，降低人工设置参数对算法性能的影响，实现关键参数确定。最后，根据最优参数组合，利用多分量信号在不同变换域具有的不同稀疏特性，对鸟类目标雷达回波信号进行重构，实现了鸟类回波中机坪杂波分量、鸟身分量与微多普勒分量的分离。仿真和实测数据实验结果表明，ISSA算法相比粒子群等传统优化算法具有更高的收敛速度和精度，参数优化后的BPDN能有效分离鸟类回波微多普勒分量，为后续鸟类目标参数估计提供前提和理论基础。

关键词：鸟类目标, 机坪杂波, 微多普勒, 信号分离, 改进麻雀搜索算法