国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

基于DMFT的LFM信號參數(shù)估計

2009-05-25 09:59安偉剛程少云
現(xiàn)代電子技術(shù) 2009年1期
關(guān)鍵詞:參數(shù)估計

安偉剛 程少云

摘 要:線性調(diào)頻信號是低截獲概率雷達常用的一種信號形式,如何在低信噪比情況下檢測線性調(diào)頻信號一直是人們研究的焦點之一。在離散匹配傅里葉變換的基礎(chǔ)上對算法進行改進,并利用改進后的算法分別對單分量和多分量線性調(diào)頻信號進行仿真,仿真結(jié)果表明離散匹配傅里葉變換能夠在低信噪比情況下比較準確地估計出線性調(diào)頻信號的參數(shù),不存在交叉項問題。離散匹配傅里葉變換是一種針對線性調(diào)頻信號有效的參數(shù)估計方法。

關(guān)鍵詞:離散匹配傅里葉變換;線性調(diào)頻;參數(shù)估計;低信噪比

中圖分類號:TN971 文獻標識碼:A

文章編號:1004373X(2009)0100103

LFM Signal Parameter Estimation Based on Discret Match Fourier Transform

AN Weigang1,CHENG Shaoyun2

(1.College of Electronic&Information;,Jiangsu University of Science & Technology,Zhenjiang,212003,China;2.The 723 Institute of CSIC,Yangzhou,225003,China)

Abstract:LFM signal is a common signal form of low probability of intercept radar.How to detect the LFM signal of low SNR is one of the focus for people to investigate.The arithmetic is ameliorated on the basis of Discrete Match Fourier Transform(DFMT),then moni-component LFM signal and multi-component LFM signal is simulated by using the improving ゛rithmetic.The simulation results show that DMFT can truly estimate parameters of the LFM signal in the low SNR,and the problems of across-terms do not exist.DMFT is a valid way to estimate the LFM signal parameter.

Keywords:discrete match Fourier transform;linear frequency modulation;parameter estimation;low SNR

線性調(diào)頻(LFM)信號是低截獲概率雷達[1,2]常用的一種信號形式,對LFM信號檢測和參數(shù)估計一直備受人們的關(guān)注。針對該信號的處理方法有短時Fourier變換、Wigner-Ville變換[3]、分數(shù)階Fourier[4]、Hough-Wigner[5,6]等,都存在分辨率不夠高,交叉項嚴重或者運算量太大的問題。而匹配傅里葉變換是一種線性變換,不存在多分量信號交叉項的影響,能在低信噪比條件下檢測信號,而且分辨率很高,是一種針對線性調(diào)頻信號有效地進行參數(shù)估計的方法。

1 LFM信號形式

LFM信號的復數(shù)形式表示為:

s(t)=A(t)e﹋2π(f0t+1/2k0t2)

(1)

式中,A(t)為信號包絡(luò)函數(shù),f0為中心頻率,k0=B/T為調(diào)頻斜率,B為調(diào)頻帶寬,T為信號持續(xù)時間。

對于實際需要處理的信號,都是經(jīng)過采樣的離散信號。LFM信號的離散形式為:

s(n)=A(nT璼)e﹋2π[f0nT璼+1/2k0(nT璼)2]

(2)

式中,T璼為采樣時間間隔,如果信號持續(xù)時間為T,那么采樣點數(shù)N=T/T璼。

2 DMFT基本原理

LFM信號s(t)的匹配傅里葉變換有如下兩種形式[7]:

S(f,k)=∫T0s(t)e-j2π(ft+1/2kt2)(f+kt)dt

(3)

S(f,k)=∫T0s(t)e-j2π(ft+1/2kt2)tdt

(4)

稱式(3)和式(4)分別為二階匹配傅里葉變換和二步匹配傅里葉變換,對應其離散形式為:

S(f,k)=∑N-1[]n=0s(n)e-j2π[fnT2+1/2k(nT璼)2](f+knT璼)=

∑N-1[]n=0e-j2π[(f0-f)nT璼+1/2(k0-k)(nT璼)2](f+knT璼)

(5)

S(f,k)=∑N-1[]n=0s(n)e-j2π[fnT璼+1/2k(nT璼)2]nT璼=

∑N-1[]n=0e-j2π[(f0-f)nT璼+1/2(k0-k)(nT璼)2]nT璼

(6)

由式(5)計算得到的譜圖可稱為離散二階匹配傅里葉變換譜,其中k不為零,它表示了不同基條件下的匹配傅里葉變換;由式(6)計算得到的譜圖可稱為離散二步匹配傅里葉變換譜,它表示在不同頻率補償條件下信號的匹配傅里葉變換。

無論對離散二階匹配傅里葉變換譜還是離散二步匹配傅里葉變換譜,在對應于信號(f0,k0)的位置上,信號能量會發(fā)生聚集,在譜上表現(xiàn)為尖峰。在匹配傅里葉變換譜分布圖上進行二維搜索,尖峰的坐標(f0,k0)即為該LFM信號的線性頻率f0和線性調(diào)頻斜率k0。

由于離散二階匹配傅里葉變換和離散二步匹配傅里葉變換具有不同的分辨率,通過文獻[8~10]表明二步匹配傅里葉變換總是有比二階匹配傅里葉變換更高的分辨率,因此下面的分析都采用離散二步匹配傅里葉變換進行LFM信號的檢測和參數(shù)估計。

3 算法改進

對離散匹配傅里葉變換的二維搜索求極大值可以在低信噪比條件下獲得較高精度的信號參數(shù)。但是當信號帶寬增加,采樣頻率提高時,采樣點數(shù)增加,運算量增大。下面從減少運算量的角度進行算法改進。對離散之后的信號進行離散匹配傅里葉變換,借助傅里葉變換的快速算法思想,實現(xiàn)離散匹配傅里葉變換的快速算法。對于長度為N的線性調(diào)頻信號序列x(n),其N點離散匹配傅里葉變換定義如下:

X璫(f,k)=∑N-1[]n=0x(n)Wゝn+kn2璑,

0≤f,k≤N-1

(7)

其實質(zhì)是將一個輸入一維時間序列x(n)變換為關(guān)于線性頻率和調(diào)頻斜率的二維序列X璫(f,k),其中f為線性調(diào)頻信號的初始頻率,k為調(diào)頻斜率。從式(7)可以看出,對于每一個固定的調(diào)頻斜率k來說,{X璫(f,k)}0≤f,k≤N-1是信號x(n)W﹌n2璑的DFT;當調(diào)頻斜率k=0時式(7)就轉(zhuǎn)變?yōu)镈FT。對式(7)進行改進得:

X璫(f,k)=∑N-1[]n=0x(n)Wゝn+kn2璑=∑N-1n=0x(n)W﹌n2璑Wゝn璑=

FFT(x(n)W﹌n2璑),0≤f,k≤N-1

(8)

{X璫(f,k)}0≤f,k≤N-1的計算可以通過x(n)W﹌n2璑的快速傅里葉變換得到。在式(7)中需要N3次復數(shù)運算,經(jīng)過式(8)變換,運算量減小為N2/2log2 N,提高了運算速度。為了提高該算法的估計精度,還可以在搜索范圍內(nèi)多次估計,分為粗估計和精估計。即首先在搜索范圍內(nèi)選擇大步長,估計出信號參數(shù),然后再在估計值鄰近的區(qū)域內(nèi)改變搜索步長重新估

計,從而達到需要的精度要求。

4 仿真實驗

4.1 單分量LFM信號仿真

先對單分量LFM信號s(t)進行參數(shù)估計,s(t)=exp[j2π(f0t+1/2k0t2)],經(jīng)過下變頻的信號線性頻率ゝ0=200 MHz,信號時寬T=5 μs,以帶寬200 MHz的信號進行仿真,比較在不同信噪比條件下信號參數(shù)估計的結(jié)果,如圖1所示。

圖1 信號帶寬B=200 MHz,SNR=-15 dB參數(shù)估計

表1為B=200 MHz時不同信噪比情況下初始頻率和調(diào)頻斜率的測量值與其對應真值(f0=200 MHz,k0=4.0×1012 Hz/s)的絕對誤差。

表1 測量值與真值的絕對誤差情況表

絕對誤差

SNR /dB

0-5-10-15-16-18

Δf /MHz0.3000.3000.3000.3001.17017.920

Δk /1012 Hz/s0.0100.0100.0100.0100.1900.850

從以上結(jié)果可以看出,該方法對信號參數(shù)的估計有較高的精度,在SNR=-15 dB的情況下還能估計信號參數(shù),這是一般的時頻分析方法不能比擬的。SNR低于-15 dB時,參數(shù)估計絕對誤差將逐步增大,信號經(jīng)過離散匹配傅里葉變換淹沒在隨機噪聲中,無法正確檢測信號。

4.2 多分量LFM信號仿真

離散匹配傅里葉變換是一種線性變換,所以在對多分量信號進行分析時不會產(chǎn)生交叉項。但是信號中強分量LFM信號的旁瓣可能大于弱信號的主瓣峰值,影響到多分量LFM信號的分辨和參數(shù)估計。為了解決這個問題,借助“Clean”的思想[11,12]:首先計算多分量LFM信號的離散二步匹配傅里葉變換,然后進行二維搜索找極大值。并根據(jù)峰值的位置和大小估計最強LFM信號分量的幅度、初始頻率和調(diào)制斜率,然后由上述參數(shù)重構(gòu)LFM信號并從信號之減去,最后將處理過的信號重復上述過程估計下一個LFM信號的參數(shù)。

多信號的參數(shù)估計仿真采用如下信號:

s(t)=a1e﹋2π(f1t+k1t2)+a2〆﹋2π(f2t+k2t2)

其中,a1=3,a2=2,f1=200 MHz,f2=220 MHz,〣1=200 MHz,B2=220 MHz,T=4 μs,SNR=-5 dB。

進行第一次DMFT之后信號頻譜如圖2所示,只出現(xiàn)強信號分量的一個峰值,弱信號的峰值淹沒在強信號分量的旁瓣中。此時,在圖2中搜索譜峰最大值,得出強信號的分量:f1=2.002×108,k1=4.96×1013,a1=s(f1,k1)/T璼∑N-1n=0n=2.98,構(gòu)造LFM信號第一個分量s1(t),得到剩余信號s2(t),再進行一次二步DMFT,對其余LFM信號分量估計,得到如圖3所示結(jié)果,估計得到第二個分量的參數(shù):f2=2.197×108,k2=5.53×1013,a2=1.89。

圖2 信號s(t)的MFT三維譜

圖3 去除s1(t)后弱信號s2(t)的MFT三維譜

上面的仿真結(jié)果表明,離散匹配傅里葉變換結(jié)合“clean”思想是一種檢測多分量LFM信號的有效的方法。仿真進一步表明,當較小分量的信噪比不小于-15 dB時,LFM信號的參數(shù)估計能

達到較高的精度。隨著信噪比的進一步降低,參數(shù)估計精度將下降,無法正確估計信號的參數(shù)。

5 結(jié) 語

首先介紹了LFM信號的形式以及DMFT的基本原理,然后從減小運算量的角度對DMFT算法進行改進,最后分別對單分量和多分量LFM信號進行Matlab仿真,結(jié)果表明,DMFT能夠在低SNR情況下估計出LFM信號的參數(shù),不存在多分量信號交叉項問題,而且運用本文改進的算法運算量較小,在對低截獲概率雷達信號的處理中將有廣闊的應用前景。

參考文獻

[1]Guosui L,Hong G Weimin.The Analysis and Design of Modern Low Probability of Intercept Radar[J].IEEE.2001:120-124.

[2]史林,彭燕,張毓峰.一種低截獲概率雷達信號及其信號處理[J].現(xiàn)代雷達,2003,25(6):26-28.

[3]孫泓波,顧紅.基于互Wigner-Ville分布的SAR運動目標檢測[J].電子學報,2002,30(3):347-350.

[4]齊林,陶然,周思永.基于分數(shù)階Fourier變換的多分量LFM信號的檢測和參數(shù)估計[J].中國科學(E輯),2003,33(8):749-759.

[5] Liu Jiancheng,Zhou Jie,Wang Guoyu.Detection Perfor-mance of Linear Frequency Modulated Signals Based on ¦igner-Hough Transform[J].Signal Processing,2005,21(4A):546-549.

[6]孫曉昶,皇甫堪.基于Wigner-Hough變換的多分量LFM信號檢測及離散計算方法[J].電子學報,2003,31(2):241-244.

[7]劉愛芳,朱曉華,劉中.基于離散匹配傅里葉變換的多分量LFM信號檢測和參數(shù)估計[J].信號處理,2002,18(6):539-542.

[8]王盛利,李士國,倪晉麟,等.一種新的變換——離散匹配傅里葉變換[J].電子學報,2001,29(3):403-405.

[9]王盛利,倪晉麟,張光義.匹配傅里葉變換的分辨力[J].系統(tǒng)工程與電子技術(shù),2002,24(4):29-32.

[10]Wang Shengli,Zhu Li.Changeable Sampling Processing for Chirp Signals in the SAR [A].Fourth International Conference on Signal Processing[C].Beijing,China,1998:1 473-1 476.

[11]張賢達,保錚.非平穩(wěn)信號分析與處理[M].北京:國防工業(yè)出版社,1998.

[12]王宏禹.非平穩(wěn)信號處理[M].北京:國防工業(yè)出版社,1999.

作者簡介 安偉剛 男,1983年出生,碩士研究生。研究方向為電子對抗。

程少云 男,1954年出生,中船重工集團723所研究員,副所長。研究方向為電子對抗。

猜你喜歡
參數(shù)估計
基于新型DFrFT的LFM信號參數(shù)估計算法
誤差分布未知下時空模型的自適應非參數(shù)估計
不完全觀測下非線性非齊次隨機系統(tǒng)的參數(shù)估計
一種GTD模型參數(shù)估計的改進2D-TLS-ESPRIT算法
一類隨機食餌-捕食者模型的參數(shù)估計
淺談死亡力函數(shù)的非參數(shù)估計方法
淺談死亡力函數(shù)的非參數(shù)估計方法
Logistic回歸模型的幾乎無偏兩參數(shù)估計
基于向前方程的平穩(wěn)分布參數(shù)估計
α穩(wěn)定分布噪聲下基于最優(yōu)L-柯西加權(quán)的LFM信號參數(shù)估計
鸡泽县| 玛纳斯县| 上饶市| 沅江市| 于都县| 特克斯县| 建阳市| 思南县| 达拉特旗| 阳春市| 大厂| 乌审旗| 蒙城县| 八宿县| 连山| 宽城| 九龙坡区| 咸宁市| 湛江市| 泌阳县| 松阳县| 乐平市| 西峡县| 庐江县| 建昌县| 兰州市| 虞城县| 克什克腾旗| 宜黄县| 鄂州市| 女性| 即墨市| 元谋县| 伊吾县| 调兵山市| 汤阴县| 县级市| 盐源县| 行唐县| 繁峙县| 米泉市|