基于不完全谱重构的多分量线性调频信号参数估计方法技术

本发明专利技术属于雷达通信技术领域，具体涉及一种基于不完全谱重构的多分量线性调频信号参数估计方法，包括：对离散化多分量线性调频信号短时傅里叶变换，并初始化为观测频谱；提取观测频谱中的振幅峰值点及对应的频率坐标并进行校正更新；单分量信号估计并进行参数检验；进行不完全重构信号并进行短时傅里叶变换；将频谱做差得到残差频谱，并更新为观测频谱，重复循环参数估计，当参数稳健性指标小于设定阈值标准，则结束循环，最终得到多分量的参数估计结果

【技术实现步骤摘要】
基于不完全谱重构的多分量线性调频信号参数估计方法


[0001]本专利技术属于雷达通信
，具体涉及一种基于不完全谱重构的多分量线性调频信号参数估计方法
。

技术介绍

[0002]线性调频信号
(Linear Frequency Modulated Signal,LFM)
作为一种具有大时宽带宽积的低截获率信号，在军事雷达领域的应用十分广泛；随着研究深入目前其应用已经渗入到气象卫星
、
地震勘测
、
导航系统等多个民用领域；相较于单分量
LFM
信号而言，多分量
LFM
信号存在的交叉项干扰，严重影响了对信号真实时频的辨识；因此，抑制交叉项，是在时频分析应用领域中一个待解决的重要问题；对于非平稳信号，最直接的就是采用时频分析方法，传统的时频分析方法包括线性变换和二次型变换，典型的二次型时频变换是
Cohen
类
(Born
‑
Jordan
分布
、Choi
‑
Williams
分布
、
平滑伪
Wigner
‑
Ville
等
)
以及模糊函数，这些时频分布采用不同的核函数对交叉项进行了抑制；然而，对于具有不同时变频率特性的信号，核函数的选取必须具有自适应性
。
[0003]专利“基于分数阶傅里叶域滤波的多分量线性调频信号参数估计方法”(
申请号
201911085593.5
，申请公布号
CN 110764062 A)
提供了一种通过建立线性调频信号参数模板库，基于分数阶傅里叶变换将实时观测帧进行参数模板库匹配的参数估计方法；该方法能够获得准确的多分量线性调频信号参数，但实施过程较为复杂，工程实用性受限
。
[0004]专利“自适应多分量线性调频信号参数估计方法”(
申请号
202110209363.6
，申请公布号
CN 112559973 A)
提供了一种基于短时分数阶傅里叶变换
(STFrFT)
的自适应多分量线性调频信号参数估计方法；该方法可自适应判决参数估计终止与否并确定信号中
LFM
分量信号的数量，但存在运算量太大
、
步骤太繁琐
、
耗时长的不足
。
[0005]综上所述，现有技术对多分量线性调频信号参数估计存在的交叉项干扰
、
运算复杂等不足，实用性受限
。

技术实现思路

[0006]为解决上述技术问题，本专利技术提出一种基于不完全谱重构的多分量线性调频信号参数估计方法，包括以下步骤：
[0007]S1、
对输入的多分量线性调频信号进行离散化；
[0008]S2、
通过短时傅里叶变换，得到全分量时频频谱并将其初始化为观测频谱，进入循环；
[0009]S3、
提取观测频谱中的振幅峰值点及对应的频率坐标；
[0010]S4、
采用高斯函数对提取的观测频谱中的振幅峰值点及对应的频率坐标进行校正更新；
[0011]S5、
基于最小二乘法拟合出单分量信号估计结果，并设定的阈值进行单分量信号的参数检验，若参数符合线性调频信号的分量特征则保存分量估计参数，并进入信号重构
步骤；
[0012]S6、
根据分量估计参数进行不完全重构信号，并进行短时傅里叶变换得到重构频谱；
[0013]S7、
将观测频谱与重构频谱做差，得到残差频谱，通过频谱重调将残差频谱更新为观测频谱，重复步骤
S3
‑
S7
，当参数稳健性指标小于设定阈值标准，则结束循环，最终得到多分量的参数估计结果
。
[0014]本专利技术的有益效果：
[0015]本专利技术在采用短时傅里叶变换这一线性时频分析方法，基于多分量线性调频信号在线性变换条件下满足线性叠加原理的特点，克服了交叉项的干扰，且运算简单；同时基于时域对多分量信号进行不完全重构，所需先验信息较少，进一步降低了算法的复杂性；
[0016]本专利技术基于时频域对多分量信号进行频谱分离，采用逐次分析的思路，在噪声环境下，有效抑制了由强分量信号带来的对弱分量检测的干扰，实现了对多分量线性调频信号的快速
、
准确估计的目的
。
附图说明
[0017]图1为本专利技术的流程图；
[0018]图2为多分量线性调频信号的三维时频图；
[0019]图3为多分量线性调频信号的二维时频图；
[0020]图4为第一次峰值抽取的结果图；
[0021]图5为第一次频谱相减后的残差频谱图；
[0022]图6为第二次峰值抽取的结果图；
[0023]图7为第二次频谱相减后的残差频谱图；
[0024]图8为第三次峰值抽取的结果图；
[0025]图9为第三次频谱相减后的残差频谱图；
[0026]图
10
为第四次峰值抽取的结果图
。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0028]一种基于不完全谱重构的多分量线性调频信号参数估计方法，如图1所示，包括：
[0029]S1、
对输入的多分量线性调频信号进行离散化；
[0030]S2、
通过短时傅里叶变换，得到全分量时频频谱并将其初始化为观测频谱，进入循环；
[0031]S3、
提取观测频谱中的振幅峰值点及对应的频率坐标；
[0032]S4、
采用高斯函数对提取的观测频谱中的振幅峰值点及对应的频率坐标进行校正更新；
[0033]S5、
基于最小二乘法拟合出单分量信号估计结果，并设定的阈值进行单分量信号
的参数检验，若参数符合线性调频信号的分量特征则保存分量估计参数，并进入信号重构步骤；
[0034]S6、
根据分量估计参数进行不完全重构信号，并进行短时傅里叶变换得到重构频谱；
[0035]S7、
将观测频谱与重构频谱做差，得到残差频谱，通过频谱重调将残差频谱更新为观测频谱，重复步骤
S3
‑
S7
，当参数稳健性指标小于设定阈值标准，则结束循环，最终得到多分量的参数估计结果
。
[0036]所述多分量线性调频信号，包括：
[0037][0038]其中，
s(t)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于不完全谱重构的多分量线性调频信号参数估计方法，其特征在于，包括：
S1、
对输入的多分量线性调频信号进行离散化；
S2、
通过短时傅里叶变换，得到全分量时频频谱并将其初始化为观测频谱，进入循环；
S3、
提取观测频谱中的振幅峰值点及对应的频率坐标；
S4、
采用高斯函数对提取的观测频谱中的振幅峰值点及对应的频率坐标进行校正更新；
S5、
基于最小二乘法拟合出单分量信号估计结果，并设定阈值进行单分量信号的参数检验，若参数符合线性调频信号的分量特征则保存分量估计参数，并进入信号重构步骤；
S6、
根据分量估计参数进行不完全重构信号，并进行短时傅里叶变换得到重构频谱；
S7、
将观测频谱与重构频谱做差，得到残差频谱，通过频谱重调将残差频谱更新为观测频谱，重复步骤
S3
‑
S7
，当参数稳健性指标小于设定阈值标准，则结束循环，最终得到多分量的参数估计结果
。2.
根据权利要求1所述的一种基于不完全谱重构的多分量线性调频信号参数估计方法，其特征在于，所述多分量线性调频信号，包括：其中，
s(t)
为多分量线性调频信号序列；
i
＝
1,2,...,I
为信号分量序号，
I
为分量总数；
A
i
为振幅；
f
i
为初始频率；
μ
i
为调频斜率；
φ
i
为初始相位；
ν
(t)
为噪声；
t
为时间
。3.
根据权利要求1所述的一种基于不完全谱重构的多分量线性调频信号参数估计方法，其特征在于，对多分量线性调频信号进行离散化，包括：其中，
s(n)
为离散化的多分量线性调频信号序列；
i
＝
1,2,...,I
为信号分量序号，
I
为分量总数；
A
i
为振幅；
f
i
为初始频率；
μ
i
为调频斜率；
φ
i
为初始相位；
T
s
为采样时间间隔，
T
s
＝
1/f
s
，
f
s
为采样频率；
n
为样本序号；
ν
(n)
为离散化的噪声
。4.
根据权利要求1所述的一种基于不完全谱重构的多分量线性调频信号参数估计方法，其特征在于，通过短时傅里叶变换，得到全分量时频频谱并将其初始化为观测频谱，进入循环，包括：
S21
：选用窗口长度为
L
滑动步长为
L
′
的高斯窗作为分析窗，根据窗口长度为
L
的高斯窗将信号
s(n)
分成
R
帧子信号，记为其中，
r
＝
1,2,...,R
表示帧序号；
S22
：对
R
帧子信号进行插值补零操作，在后面填充
L
个零值样本，将子信号延长至
2L
；
S23
：对插值补零后的子信号进行快速傅里叶变换，得到子信号的频谱，记为
R
帧子信号可构成完整的全分量时频频谱，记为
S(f)
...

【专利技术属性】
技术研发人员：罗久飞，禄盛，赵利明，欧阳奇，李海青，杨平安，康熙，杨宝军，郑登华，李帅永，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：