脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法技术

本发明专利技术涉及一种脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法。本方法提出了两个新的定义：基于Sigmoid的分数阶相关函数和基于Sigmoid的分数阶功率谱密度函数，接下来提出了脉冲噪声环境下基于Sigmoid的分数阶功率谱密度函数的线性调频信号参数估计新方法。通过仿真实验及分析表明，该算法具有较好的估计性能，算法简单有效且不需要噪声先验知识，与其他算法相比，在抗脉冲噪声性能方面具有较大优势。

【技术实现步骤摘要】
脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法
本专利技术属于通信与信息系统领域，具体涉及一种脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法。
技术介绍
线性调频(linearfrequencymodulation,LFM)信号对多普勒频移不敏感，具有大时宽带宽积，在保证高分辨率的情况下能够有效地增加探测距离，广泛应用于通信、雷达、声呐和地震勘测等领域。因此，LFM信号的参数估计一直是信号处理领域的热点问题。许多学者进行了大量研究。例如，提出一种通用的有序估计框架，实现时延和多普勒频移的联合估计；基于最大似然参数估计方法，提出对LFM脉冲雷达回波信号的Doppler频移和多径时延联合估计方法；基于循环相关特性，提出利用回波的循环相关变换实现回波信号中多普勒频移和时延的联合估计；提出基于压缩感知理论的脉冲雷达参数提取估计方法等。这些方法都能解决相关参数的估计问题，然而这些方法都是建立在把LFM脉冲雷达回波信号作为一般的非平稳信号基础上的，没有充分利用LFM信号本身的特点。分数阶傅里叶变换(fractionalFouriertransform,FRFT)作为一种新的时频分析工具，因其对LFM信号具有最佳的能量聚集特性而备受关注，并被广泛应用于LFM信号的参数估计。例如，利用FRFT对LFM信号进行了分析并提出参数估计算法；分别利用分数阶傅里叶变换、短时分数阶傅里叶变换、分数阶相关及分数阶功率谱实现关于线性调频信号的参数估计。然而，上述算法都是假设接收信号中混有噪声为高斯白噪声。理论研究和实际测量结果发现，雷达、声纳和无线通信系统的实际噪声中常常含有大量脉冲成分。而这类噪声更适合用Alpha稳定分布模型来描述。然而对于0<α<2的稳定分布只存在α阶以下的统计量，其二阶或二阶以上的高阶统计量都不存在。因此在冲击噪声环境下传统的基于二阶统计量的算法的估计性能将严重退化。为了减少Alpha稳定分布噪声的干扰及提高算法的性能，学者们提出了许多基于分数低阶统计量理论的FRFT参数估计算法。这些方法虽取得了较好的估计效果，但存在一定的局限性：(1)分数低阶矩p必须满足1≤p<α或0<p<α/2；(2)若没有噪声特征指数α的先验知识或不能获得α正确的估计值，或阶数的不当取值都会导致算法的性能严重下降甚至失效,因此特征指数α的估计结果和分数低阶矩p取值都会影响算法性能。
技术实现思路
针对脉冲噪声下的LFM脉冲雷达宽带回波信号参数估计问题，为克服上述方法存在的局限性，本专利技术引入Sigmoid变换以抑制Alpha稳定分布噪声，并定义了两个新的概念：基于Sigmoid变换的分数阶相关函数(Sigmoidtransformfractionalcorrelationfunction,Sigmoid-FC)和基于Sigmoid变换的分数阶功率谱密度(Sigmoidtransformfractionalpowerspectrumdensity,Sigmoid-FPSD)，并基于这两个定义，提出了基于Sigmoid-FPSD的线性调频信号参数的联合估计方法。本专利技术为解决上述技术问题所采用的技术方案为提供一种脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法，该方法包括以下步骤：1.分数阶功率谱密度函数分析1)分数阶相关函数和分数阶功率谱密度分数阶相关源于分数阶傅里叶变换，其定义式为：其中，Rxx(t+τ,t)为信号x(t)的相关函数，τ为延迟，ρ为分数阶傅里叶变换的旋转角度；分数阶功率谱密度函数的表达式为：其中m为分数阶傅里叶变换域的频率；2)基于分数阶功率谱密度函数的线性调频信号参数估计设线性调频信号x(t)的表达式为：x(t)＝exp(j2π(f0t+μ0t2/2))(3)其中f0为初始频率，μ0为调频率；根据公式(1)，得到信号x(t)的分数阶相关函数其表达式为：当cotρ＝-2πμ0时,(4)改写成为：对公式(5)进行分数阶傅里叶变换，即得到信号x(t)的分数阶功率谱函数其表达式为：根据公式(6)且mcscρ＝2πf0时，具有峰值点，峰值点的位置为(ρ0,m0)，(ρ0,m0)和(f0,μ0)之间的关系为：因此，根据公式(8)得，LFM信号参数f0和μ0的估计值：2.基于Sigmoid-FPSD的线性调频信号参数估计1)Sigmoid变换Sigmoid变换的定义式为：2)基于Sigmoid的分数阶功率谱密度函数基于Sigmoid变换的分数阶相关函数(Sigmoid-FC)定义式为其中基于Sigmoid的分数阶功率谱密度函数(Sigmoid-FPSD)的定义式为3)基于Sigmoid-FPSD的线性调频信号参数估计设混有Alpha稳定分布噪声的线性调频信号y(t)为y(t)＝x(t)+n(t)(12)其中n(t)为SαS噪声，SαS分布的特征函数具有下式的形式：ρ(ω)＝exp(-γ|ω|α)(13)其中α为噪声特征指数，α值越小，所对应分布的拖尾越厚，脉冲特性越显著；相反，α值越大，其分布函数的拖尾变薄，即脉冲特性减弱，γ>0为分散系数，用来控制变量相对于均值的偏离程度，其作用类似于高斯分布中的方差；根据Sigmoid分数阶相关函数的定义，得到信号y(t)的Sigmoid-FC其表达式为：根据Sigmoid-FPSD的定义式，得到信号y(t)的Sigmoid-FPSD其表达式为：通过对进行峰值点搜索，得到其峰值点位置(ρ0,m0)，从而能够获得LFM信号参数f0和μ0的估计值，如下式所示：本专利技术提出了两个新的定义：基于Sigmoid的分数阶相关函数和基于Sigmoid的分数阶功率谱密度函数，接下来提出了脉冲噪声环境下基于Sigmoid的分数阶功率谱密度函数的线性调频信号参数估计新方法。通过仿真实验及分析表明，该算法具有较好的估计性能，算法简单有效且不需要噪声先验知识，与其他算法相比，在抗脉冲噪声性能方面具有较大优势。附图说明图1为纯净信号与含噪信号的分数阶功率谱及Sigmoid分数阶功率谱三维图对比图。(GSNR＝5dB，α＝1.1)其中：(a)纯净信号的分数阶相关函数；(b)纯净信号的分数阶功率谱密度；(c)含噪信号的分数阶相关函数；(d)含噪信号的分数阶功率谱密度；(e)含噪信号的Sigmoid分数阶相关函数；(f)含噪信号的Sigmoid分数阶功率谱密度。图2为脉冲噪声环境下三种算法单次估计的谱峰对比图。(GSNR＝5dB,α＝1.3)其中：(a)含有脉冲噪声信号的FPSD三维图及旋转角度平面和频率平面；(b)含有脉冲噪声信号的FLOS-FPSD(p＝1.5)三维图及旋转角度平面和频率平面；(c)含有脉冲噪声信号的FLOS-FPSD(p＝1.1)三维图及旋转角度平面和频率平面；(d)含有脉冲噪声信号的Sigmoid-FPSD三维图及旋转角度平面和频率平面。图3为脉冲噪声环境下三种算法单次估计的谱峰对比图。(GSNR＝5dB,α＝1.1)其中：(a)含有脉冲噪声信号的FPSD三维图及旋转角度平面和频率平面；(b)含有脉冲噪声信号的FLOS-FPSD(p＝1.5)三维图及旋转角度平面和频率平面；(c)本文档来自技高网...

【技术保护点】
1.脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法，其特征在于，该方法包括以下步骤：1.分数阶功率谱密度函数分析1)分数阶相关函数和分数阶功率谱密度分数阶相关源于分数阶傅里叶变换，其定义式为：

【技术特征摘要】
1.脉冲噪声环境下基于分数阶功率谱密度的线性调频信号参数估计方法，其特征在于，该方法包括以下步骤：1.分数阶功率谱密度函数分析1)分数阶相关函数和分数阶功率谱密度分数阶相关源于分数阶傅里叶变换，其定义式为：其中，Rxx(t+τ,t)为信号x(t)的相关函数，τ为延迟，ρ为分数阶傅里叶变换的旋转角度；分数阶功率谱密度函数的表达式为：其中m为分数阶傅里叶变换域的频率；2)基于分数阶功率谱密度函数的线性调频信号参数估计设线性调频信号x(t)的表达式为：x(t)＝exp(j2π(f0t+μ0t2/2))(3)其中f0为初始频率，μ0为调频率；根据公式(1)，得到信号x(t)的分数阶相关函数其表达式为：当cotρ＝-2πμ0时,(4)改写成为：对公式(5)进行分数阶傅里叶变换，即得到信号x(t)的分数阶功率谱函数其表达式为：根据公式(6)且mcscρ＝2πf0时，具有峰值点，峰值点的位置为(ρ0,m0)，(ρ0,m0)和(f0,μ0)之间的关系为：因此，根据公式(8)得，LFM信号参数f0和μ0的估计值：2.基于Sigmoid-FPSD的线性调频信号参数估计1)Sigmoid变换...

【专利技术属性】
技术研发人员：李丽，
申请(专利权)人：大连大学，
类型：发明
国别省市：辽宁,21