冲击噪声环境下基于非线性变换的线性调频信号参数估计方法技术

本发明专利技术公开了冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，包括：从线性积分变换的角度得到分数阶傅里叶变换；获取LFM信号的分数阶傅里叶变换；分析脉冲噪声环境下分数阶傅里叶变换的性能；得到基于Tuneable

【技术实现步骤摘要】
冲击噪声环境下基于非线性变换的线性调频信号参数估计方法


[0001]本专利技术涉及通信与信息系统
，具体涉及一种冲击噪声环境下基于非线性变换的线性调频信号参数估计方法。

技术介绍

[0002]早期线性频率调制(LFM)信号被广泛的应用于雷达和通信系统中。在雷达系统中，利用LFM信号的脉冲压缩特性来提取目标，同时作为扩频波形被调制以抑制通信中的干扰。近年来，无线传感器网络以及军用自组网等都要求集成自定位、传感和通信功能，同时致力于使用LFM信号进行目标估计和定位。
[0003]在其他领域，高速车辆(如飞机和高速列车)中的宽带无线通信需求很大。传统基于相位的收发机无法满足超过200km/h移动速度引起的大多普勒频移需要，除非它们采用复杂的频移估计和补偿。LFM信号因为它是一个恒定模量的时频信号，不需要相位检测，从而受到广泛关注和研究。
[0004]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，有人提出了一种通用的有序估计框架，实现了时延和多普勒频移的联合估计。有人基于最大似然参数估计，提出了对LFM脉冲雷达回波信号的Doppler频移和多径时延联合估计方法。有人基于循环相关特性，提出了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。有人提出了基于压缩感知理论的脉冲雷达参数提取估计方法。上述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，没有充分利用LFM信号本身的特点。
[0005]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。其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。上述方式都是假设回波信号中混有的噪声为高斯白噪声，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。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基于二阶统计量的方式估计性能将严重退化。
[0006]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参数估计方法。该类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

[0007]针对现有技术存在上述问题，本专利技术提出一个新的时频分布，基于可调Sigmoid函数的分数阶傅里叶变换(fractional Fourier transform based on tuneable Sigmoid,TS
‑
FRFT),并将该时频分布方法应用于LFM信号的参数检测和估计。
[0008]为实现上述目的，本申请提出冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，包括：
[0009]从线性积分变换的角度得到分数阶傅里叶变换；
[0010]获取LFM信号的分数阶傅里叶变换；
[0011]分析脉冲噪声环境下分数阶傅里叶变换的性能；
[0012]得到基于Tuneable
‑
Sigmoid变换的分数阶傅里叶变换；
[0013]根据可调Sigmoid函数的分数阶傅里叶变换进行线性调频信号参数估计。
[0014]进一步的，从线性积分变换的角度得到分数阶傅里叶变换，具体为：定义在t域函数x(t)的b阶分数阶傅里叶变换是一个线性积分运算：
[0015][0016]其中F
b
表示FRFT算子，K
b
(t,m)是分数阶傅里叶变换的核函数，其表达式为：
[0017][0018]其中b(0＜b≤2)是分数阶傅里叶变换的阶数，β为分数阶傅里叶变换的旋转角度，β≡bπ/2，n是整数。
[0019]进一步的，获取LFM信号的分数阶傅里叶变换，具体为：设线性调频信号x(t)的表达式如下：
[0020]x(t)＝exp(j2π(f0t+μ0t2/2))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0021]其中f0为初始频率，μ0为调频率；
[0022]由分数阶傅里叶变换的定义式(1)，得到LFM信号x(t)的分数阶傅里叶变换：
[0023][0024]当f0＝mcscβ且u0＝
‑
cotβ时X(β,m)具有能量聚集特性，在分数阶傅里叶变换域内呈现明显的尖峰，即
[0025][0026]其中β0和m0的表示信号x(t)在分数阶傅里叶变换域上峰值点的坐标。
[0027]进一步的，分析脉冲噪声环境下分数阶傅里叶变换的性能，具体为：设混有alpha稳定分布噪声的线性调频信号y(t)为：
[0028]y(t)＝x(t)+n(t)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0029]其中n(t)为SαS噪声；SαS分布的特征函数具有下式的形式
[0030]ρ(ω)＝exp(
‑
γ|ω|
α
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0031]其中α为噪声特征指数。α值越小，所对应分布的拖尾越厚，因此脉冲特性越显著。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。
[0032]进一步的，基于分数阶傅里叶变换的分数阶功率谱定义如下：
[0033][0034]其中X(ρ,m)为信号x(t)的分数阶傅里叶变换，式(8)进一步写成：
[0035][0036]其中x(t1)和x(t2)是信号x(t)的两个样本值。
[0037]更进一步的，得到基于Tuneable
‑
Sigmoid变换的分数阶傅里叶变换，具体为：
[0038]先获取可调的Sigmoid变换，如式(10)所示：
[0039][0040]其中λ为尺度因子；
[0041]再获取基于Tuneable
‑
Sigmoid变换的分数阶傅里叶变换，定义式X
TS
(ρ,m)如下式所示：
[0042][0043]更进一步的，根据可调Sigmoid函数的分数阶傅里叶变换进行线性调频信号参数估计，具体为：设混有Alpha稳定分布噪声的线性调频信号y(t)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，其特征在于，包括：从线性积分变换的角度得到分数阶傅里叶变换；获取LFM信号的分数阶傅里叶变换；分析脉冲噪声环境下分数阶傅里叶变换的性能；得到基于Tuneable
‑
Sigmoid变换的分数阶傅里叶变换；根据可调Sigmoid函数的分数阶傅里叶变换进行线性调频信号参数估计。2.根据权利要求1所述冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，其特征在于，从线性积分变换的角度得到分数阶傅里叶变换，具体为：定义在t域函数x(t)的b阶分数阶傅里叶变换是一个线性积分运算：其中F
b
表示FRFT算子，K
b
(t，m)是分数阶傅里叶变换的核函数，其表达式为：其中b(0＜b≤2)是分数阶傅里叶变换的阶数，β为分数阶傅里叶变换的旋转角度，β≡bπ/2，n是整数。3.根据权利要求1所述冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，其特征在于，获取LFM信号的分数阶傅里叶变换，具体为：设线性调频信号x(t)的表达式如下：x(t)＝exp(j2π(f0t+μ0t2/2))
ꢀꢀꢀꢀ
(3)其中f0为初始频率，μ0为调频率；由分数阶傅里叶变换的定义式(1)，得到LFM信号x(t)的分数阶傅里叶变换：当f0＝mcscβ且u0＝
‑
cotβ时X(β,m)具有能量聚集特性，在分数阶傅里叶变换域内呈现明显的尖峰，即其中β0和m0的表示信号x(t)在分数阶傅里叶变换域上峰值点的坐标。4.根据权利要求1所述冲击噪声环境下基于非线性变换的线性调频信号参数估计方法，其特征在于，分析脉冲噪声环境下分数阶傅里叶变换的性能，具体为：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)
ꢀꢀꢀꢀ
(6)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(
...

【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：