基于二维特征的自适应LFM信号参数估计方法技术

本发明专利技术提出了一种基于二维特征的自适应LFM信号参数估计方法，其特征在于，根据高低不同的信噪比自适应选择功率谱熵或盒维数DB来估计待测量的时间序列信号X＝{xi，i＝1，2，…，N}的调频斜率，在信噪比高时采用功率谱熵来估计待测量的时间序列信号X＝{xi，i＝1，2，…，N}的调频斜率，在信噪比低时采用盒维数DB来估计待测量的时间序列信号X＝{xi，i＝1，2，…，N}的调频斜率。本发明专利技术在保证参数估计的准确度的前提下，尽可能减少计算复杂度，具有更好的应用价值。

【技术实现步骤摘要】
基于二维特征的自适应LFM信号参数估计方法
本专利技术涉及一种LFM信号的自适应参数估计方法，用于估计自适应LFM信号的调频斜率。
技术介绍
现代战争已不再是简单的只有海陆空的武器装备的对抗方式，而电子对抗目前作为一种新型的对抗方式已加入到对抗当中。电子侦察利用电子信息技术来探测敌方的一些电子设备相关信息从而获得情报，能否正确地辨别雷达信号成为在电子侦察系统中的一个十分重要的目标。传统的”五参数法”已经很难识别出低信噪比中的雷达信号，且其应变能力差，想要在当代的电子战争中获得一席之位已是不可能，因此需要对雷达信号提取更多的新的特征参数。成功截获雷达信号的关键在于能否快速、精确地分析雷达信号的脉内调制特征。典型的雷达信号有脉冲信号，连续波信号，线性调频信号，编码调频信号、非线性调频信号等等，这些信号都是典型的非平稳信号。时频分析的方法在分析和处理非平稳信号的时候有着显著的效果。目前，学术界研究的比较成熟的时频分析方法有STFT、小波变换、FRFT、Wigner-Vile变换等。此外，也有一些非时频分析方法被用于LFM雷达信号的参数估计，比如说最大似然估计法、延时相关法、解线调法、匹配傅里叶变换法等，都得到了较为广泛的应用。最大似然估计法的估计精度很高，但要精确地搜索出似然函数的最大值，搜索的步长需要设置得很小，若步长过小，将导致计算量增大，所以该算法不容易实现实时估计。延时相关法运算量小，但估计精度不高。解线调法的缺点是存在运算量和估计精度间的矛盾。短时傅里叶变换是一种线性时频分析方法，但其估计精度较低且其时频聚集性会受窗函数的影响。FRFT估计精度高、无交叉项的干扰、且有很好的时频聚集性，但是计算量较大。Wigner-Vile变换是一种典型的双线性变换，其时频聚集性好且估计精度高，但在估计多分量LFM信号的参数时，存在交叉项干扰。
技术实现思路
本专利技术的目的是：减少LFM信号参数估计的计算复杂度，提高计算精度。为了达到上述目的，本专利技术的技术方案是提供了一种基于二维特征的自适应LFM信号参数估计方法，其特征在于，根据高低不同的信噪比自适应选择功率谱熵或盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比高时采用功率谱熵来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比低时采用盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，其中：根据功率谱熵来来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：(a)获得已知调频斜率的多个样本时间序列信号，计算每个样本时间序列信号的功率谱式中，X(ω)表示当前样本时间序列信号的傅里叶变换；(b)计算每个样本时间序列信号的功率谱熵Hp：式中，pk表示当前样本时间序列信号的第k个功率谱S(k)在整个谱中所占的比重用，(c)通过数学手段进行拟合分析，得到功率谱熵与调频斜率的函数关系式；(d)计算待测量的时间序列信号X＝{xi,i＝1,2,…,N}的功率谱熵，利用步骤(c)得到的函数关系式估计得到调频斜率；盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：对时间序列信号X＝{xi,i＝1,2,…,N}进行采样，采样间隔ε是时间序列信号X的最高分辨RFF率，用边长为ε的正方形盒子覆盖时间序列信号X，把正方形盒子的最小边长设置成与采用间隔ε相同的数值，分别计算边长分别为kε的盒子覆盖时间序列信号X需要的盒子的最小数N(kε)，再通过仿真软件，运用数学方法拟合曲线logkε～logN(kε)，时间序列信号X的盒维数DB在数值上和这条曲线的斜率相等，斜率即为调频斜率。优选地，盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：步骤1、把时间序列信号X用边长为ε的正方形盒子覆盖住，为保证信号的连续性，添加一些灰色的盒子，在计算盒子的数目时，把灰色的盒子也一并记入，由此得到的正方形盒子的最小数N(ε)就是能够把整个信号全部覆盖住的盒子数；步骤2、将正方形盒子的边长分别更正为2ε,3ε,…,kε，分别重复步骤1，得到边长为2ε,3ε,…,kε的正方形盒子覆盖住时间序列信号X所需的最小数N(2ε),N(3ε),…,N(kε)；步骤3、以logε为X轴，logN(ε)为Y轴，作出函数图像，时间序列信号X的分形盒维数DB就是函数图像中那条函数曲线斜率的相反数，即：本专利技术在传统的参数估计算法的基础上，采用基于二维特征的自适应LFM信号参数估计方法，根据接收信号复杂程度的不同以及所处环境的噪声的情况，提取信号的二维特征，分别建立两种特征与信号的调频斜率之间的对应关系，拟合相关曲线，建立特征数据库，在信噪比高低不同时自适应采用相应的参数估计算法来实现对信号的调频斜率的估计。本专利技术针对传统的信号参数估计算法存在的缺点，提出了一种新的基于二维特征的自适应LFM信号参数估计算法，基于二维特征的算法相对于传统的基于一维特征的算法，能够综合两种算法的优点，在高低不同信噪比时自适应采用合适的一种算法，在保证参数估计的准确度的前提下，尽可能减少计算复杂度，具有更好的应用价值。附图说明图1为调频率不同的四组信号的功率谱情况；图2为5dB信噪比条件下功率谱熵与调频斜率关系曲线；图3为15dB信噪比条件下功率谱熵与调频斜率关系曲线；图4为5dB信噪比条件下盒维数与调频斜率关系曲线；图5为15dB信噪比条件下盒维数与调频斜率关系曲线。具体实施方式下面结合具体实施例，进一步阐述本专利技术。应理解，这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。此外应理解，在阅读了本专利技术讲授的内容之后，本领域技术人员可以对本专利技术作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。现有的技术方法一般是对信号进行一维特征的提取，各种不同的参数估计算法都有各自的优缺点，抗噪性能好的方法往往计算量较大，计算相对简单的算法，在低信噪比下参数估计的准确度往往比较差，本专利技术所提出的技术方案基于二维特征的自适应LFM参数估计算法，对信号分别提取两种特征功率谱熵与盒维数，并分别建立功率谱熵与调频斜率的关系，盒维数与调频斜率之间的关系，综合两种算法的优点，在信噪比低的时候采用分形盒维数的算法，在信噪比高的时候采用功率谱熵的算法，既能减少计算量又可以保证估计出的参数的准确性，可以实现不同信噪比下对LFM信号调频斜率的准确估计。功率谱熵基本原理是：由于不同的LFM信号的频率结构是有差异的，因此将功率谱熵作为频谱特征，来进行LFM信号的参数估计。功率谱熵定义为：Hp其中，第k个功率谱在整个谱中所占的比重用pk来表示，k＝1,2,…,N，N表示个数，S(j)表示第j个待识别信号点。LFM信号的一般形式可以表示为：x(t)＝Aexp[j(2πf0t+πkt2+φ)]式中，A是信号幅度，是起始相位，f0是起始频率，k是调频率，LFM信号的瞬时频率f(t)是随着时间线性变化的，即f(t)＝f0+kt。对于离散信号序列{xi,i＝1,2,...,N}，信号的傅里叶变换为X(ω)。其功率谱估计的定义式为：为离散信号序列的傅里叶变换。不同斜率的LFM信号，本文档来自技高网...

【技术保护点】
一种基于二维特征的自适应LFM信号参数估计方法，其特征在于，根据高低不同的信噪比自适应选择功率谱熵或盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比高时采用功率谱熵来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比低时采用盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，其中：根据功率谱熵来来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：(a)获得已知调频斜率的多个样本时间序列信号，计算每个样本时间序列信号的功率谱

【技术特征摘要】
1.一种基于二维特征的自适应LFM信号参数估计方法，其特征在于，根据高低不同的信噪比自适应选择功率谱熵或盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比高时采用功率谱熵来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，在信噪比低时采用盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率，其中：根据功率谱熵来来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：(a)获得已知调频斜率的多个样本时间序列信号，计算每个样本时间序列信号的功率谱式中，X(ω)表示当前样本时间序列信号的傅里叶变换；(b)计算每个样本时间序列信号的功率谱熵Hp：式中，pk表示当前样本时间序列信号的第k个功率谱S(k)在整个谱中所占的比重用，(c)通过数学手段进行拟合分析，得到功率谱熵与调频斜率的函数关系式；(d)计算待测量的时间序列信号X＝{xi,i＝1,2,…,N}的功率谱熵，利用步骤(c)得到的函数关系式估计得到调频斜率；盒维数DB来估计待测量的时间序列信号X＝{xi,i＝1,2,…,N}的调频斜率包括以下步骤：对时间序列信号X＝{xi,i＝1,2,…,N}进行采样...

【专利技术属性】
技术研发人员：李靖超，刘毅仁，董春蕾，陈志敏，毕东媛，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：上海,31