【技术实现步骤摘要】
一种基于数据驱动的雷达通信混叠信号分离方法及设备
[0001]本专利技术涉及雷达、通信信号处理领域，具体涉及一种基于数据驱动的雷达通信混叠信号分离方法及设备。
技术介绍
[0002]混叠信号的源分离在无线通信、雷达信号处理和电子战中应用广泛，接收信号中包含的信号分量在空域、时域、频域和时频域存在混叠的情况下，如何将感兴趣的信号与其他信号分离，是侦察系统进行参数估计、信号类型识别的关键。目前现有的分离方法可以分为两类：模型驱动方法和数据驱动方法。模型驱动方法通常根据参数使用预先定义的模型来表示信号，源分离是通过估计其模型参数来实现的；数据驱动方法则是完全非参数化的，可以自适应地将信号分解为各信号分量。模型驱动方法主要包括短时傅里叶变换、经验小波变换、基于稀疏的方法等，数据驱动方法主要包括经验模式分解、变分模式分解等。但上述方法主要存在如下问题：(1)现有方法难以分离在时频域中存在混叠的信号；(2)雷达、通信混合信号瞬时幅度变化快，带宽大，现有方法分离性能不佳；(3)现有方法大多要求瞬时频率已知，或先对瞬时频率作估计，估计过程复...
【技术保护点】
【技术特征摘要】
1.一种基于数据驱动的雷达通信混叠信号分离方法，其特征在于，包括以下步骤：1)对信号分量的幅度项进行傅里叶展开，根据调幅项的傅里叶展开，基于黎曼和对调频项进行建模，建立接收信号的稀疏观测模型y＝Ax+n，其中y为接收信号，A为包含未知瞬时频率的观测矩阵，x为傅里叶分解的系数向量，n为噪声；2)基于接收信号的稀疏观测模型，将信号分离问题转化为对傅里叶系数向量x和瞬时频率向量f的估计问题；3)通过交替迭代的方法分别求傅里叶系数向量x和瞬时频率向量f；4)根据求得的傅里叶系数向量x和瞬时频率向量f进行信号重构，得到分离后的时域信号。2.根据权利要求1所述的基于数据驱动的雷达通信混叠信号分离方法，其特征在于，所述步骤1)包括：接收信号经采样后表示为：其中，采样时间t＝t0，...，t
N
‑1，N为采样数，K为接收的混合信号中信号分量的个数，a
k
(t
n
)和f
k
(t
n
)分别为第k个信号分量的瞬时幅度IA和瞬时频率IF，n(t
n
)为复高斯白噪声，功率为σ2；对瞬时幅度a
k
(t
n
)进行傅里叶分解：其中，表示频率间隔，其中F
s
为采样频率，κ参数调节频率间隔，Q为正整数，控制傅里叶基的数目；和分别为傅里叶分解系数；令a
k
＝exp(jφ
k
)
×
[a
k
(t0)，...，a
k
(t
N
‑1)]，则公式(2)重写为：a
k
＝Gx
k
，其中，，其中，为字典矩阵，其第j列表示为：定义其中f
k
＝[f(t0)，...，f(t
N
‑1)]
T
，表示瞬时频率向量；用黎曼和近似表示(4)中的积分项，则其中v
n
表示为：
令η
k
＝[η
k
(t0)，...，η
k
(t
n
)，...，η
k
(t
N
‑1)]，D
k
＝diag(η
k
)，接收信号重写为：其中n为噪声矢量，其中M＝(2Q+1)K，系数矩阵3.根据权利要求2所述的基于数据驱动的雷达通信混叠信号分离方法，其特征在于，所述步骤2)包括：令基于公式(6)，在给出y和G条件下，信号分离问题转化为对傅里叶系数向量x和瞬时频率向量f的估计问题。4.根据权利要求3所述的基于数据驱动的雷达通信混叠信号分离方法，其特征在于，所述步骤3)包括：基于稀疏贝叶斯学习的方法，利用当前的f估计向量x；建立瞬时频率更新的优化目标函数，利用x的当前估计更新f。5.根据权利要求4所述的基于数据驱动的雷达通信混叠信号分离方法，其特征在于，基于稀疏贝叶斯学习的方法，利用当前的f估计向量x包括：模型(6)中y的概率密度函数为其中∈0＝σ
‑2表示噪声精度，是未知的，σ2为噪声方差，E为单位矩阵；联合∈0的伽马超先验和稀疏向量x的两阶分级先验，得到联合概率密度p(y，x，∈0，∈)为p(y，x，∈0，∈)＝p(y|x，∈0)p(x|∈)p(∈)p(∈0)
ꢀꢀꢀꢀ
(8)其中，∈0和∈为超参数，由于难以获得后验分布p(x，∈0，∈|y)，采用贝叶斯推理估计x；后验分布p(x|y，∈0，∈)服从复高斯分布：其中μ＝∈0∑A
H
y，∑＝(∈0A
H
A+Ξ
‑1)
‑1.
ꢀꢀꢀ
(10)采用期望最大化算法，通过最大化来更新超参数的值；这里表示基于超参数的当前估计给出的(9)中x...
【专利技术属性】
技术研发人员：晋本周，申宇彤，李建峰，孙萌，张小飞，吴启晖，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。