匹配傅里叶变换快速算法及在雷达信号处理中应用

为了减小匹配傅里叶变换分析的计算量,提出了一种基于快速傅里叶变换的快速算法。根据匹配傅里叶变换的分解将积分形式转化为离散形式,推导出快速算法表达式。该算法与直接的数值离散匹配傅里叶变换算法相比较,计算量大大减少。同时给出了其在雷达信号处理中线性调频信号的检测与参数估计的应用。理论及计算机仿真结果表明了该算法的有效性和精确性,有良好的工程应用前景。     

匹配傅里叶变换检测SAR中的运动目标

该文介绍了应用匹配傅里叶变换检测SAR中运动目标的方法。文中讨论了信号模型、检测方法,并进行了仿真研究。仿真和实际的SAR数据中运动目标检测处理结果表明：在雷达平台运动速度被补偿,且脉冲压缩之后,再应用匹配傅里叶变换进行运动目标检测是比较好的检测方法;在一定的条件下,也可以比较相邻SAR图像中强点间相对位置的变化来判断运动目标。     

基于匹配追踪的弯折离散傅里叶变换

传统WDFT利用全通弯折函数AWF（AU—pass WarpingFunction）将单位圆上均匀分布的采样点,变换成非均匀分布的采样点。然而,这种计算方式会导致不同信号分量的延迟不同。本文基于匹配追踪的信号表示思想,提出了一种新的弯折傅里叶变换方法,实验结果表明,在原子个数大于信号长度情况下,该方法获得了较传统WDFT较好的弯折频谱表示性能。基于该方法表示的弯折离散傅里叶变换更适合于语音信号处理。     

基于Radon变换的双站SAR多普勒参数估计

多普勒参数的估计方法是机载双站SAR的一个关键问题,只有获取准确的多普勒参数,才能得到高质量的SAR图像。该文首先建立了平飞模式的双站SAR模型,然后分析了平飞模式下双站SAR方位向多普勒参数的特性,基于此提出了利用Radon变换实现双站SAR多普勒参数估计的方法。该方法能够准确地估计出实时多普勒中心和多普勒调频率,是一种可行的双站SAR多普勒参数估计方法。计算机仿真也验证了该算法的有效性。     

离散傅里叶变换的算术傅里叶变换算法

离散傅里叶变换(DFT)在数字信号处理等许多领域中起着重要作用.本文采用一种新的傅里叶分析技术—算术傅里叶变换(AFT)来计算DFT.这种算法的乘法计算量仅为O(N);算法的计算过程简单,公式一致,克服了任意长度DFT传统快速算法(FFT)程序复杂、子进程多等缺点;算法易于并行,尤其适合VLSI设计;对于含较大素因子,特别是素数长度的DFT,其速度比传统的FFT方法快;算法为任意长度DFT的快速计算开辟了新的思路和途径.     

一种新的变换——匹配傅里叶变换

本文提出了非线性调制信号处理的新方法——匹配傅里叶变换.匹配傅里叶变换是对傅里叶变换的新发展,是对变采样率处理技术的概括.文中对匹配傅里叶变换进行了理论分析,论述了其与变采样率处理技术之间的关系.最后,进行了计算机仿真,仿真结果表明,匹配傅里叶变换理论是正确的.     

离散傅里叶变换的进一步探析

在数字信号处理领域,离散傅里叶变换是一个非常重要的术语,尤其是在他的高效算法FFT出现以后,在信号分析和处理中得到了广泛的应用。但是,人们对这个术语存在一些模糊的认识。通过对具体谱分析问题的研究,分析了连续傅里叶变换与离散傅里叶变换之间的关系,深入探讨了离散傅里叶变换的渊源,期望对离散傅里叶变换有一个清晰的认识。     

基于匹配傅里叶变换的相位解污染算法

电离层的不稳定性会造成天波雷达回波信号频谱扩展,进行相干积累之前需要进行电离层相位解污染处理,抑制回波频谱展宽。传统的 HRR（Hankel Rank Reduction）算法解污染算法需要已知回波中的信号成分,由于实际信号的复杂性,获得该先验知识比较困难,先验信息不足时估计效果不好。注意到接收回波中杂波噪声比很高,可以直接采用三次相位函数来分段拟合回波信号,然后基于匹配傅里叶变换估计相位污染函数,能获得准确的估计结果。仿真结果表明,相比传统的 HRR 算法,该算法不需要已知回波信号成分,具有更好的电离层相位解污染效果。     

星载SAR多普勒参数估计的改进方法

多普勒参数的精度直接影响着星载合成孔径雷达的成像质量。文中提出了一种基于分数阶傅里叶变换的星载SAR多普勒参数估计的改进方法，对多普勒中心频率和多普勒调频率在同一过程中进行估计，在提高精度的同时降低了计算复杂度。对真实Radarsat-1数据的估计结果验证了该方法的有效性。     

基于匹配傅里叶变换的高动态载波捕获技术

文中根据高动态信号的特点,采用匹配傅里叶变换来估计载波的多普勒频偏和线性调频率。仿真结果和分析表明匹配傅里叶变换对高动态信号的捕获具有较好的效果,并进一步提出改进算法,采用变采样处理技术与＂变中频滤波器＂相结合的方法更快速、更准确地对高动态信号进行捕获。     

离散匹配付里叶变换

本文详细地讨论了匹配付里叶变换的离散形式,离散匹配付里叶变换与付里叶变换的区别;离散匹配付里叶变换频谱的周期性;采样对离散匹配付里叶变换的影响.理论分析和计算机仿真表明,当采样频率低于线性调频信号带宽时,在一定范围内,仍可不模糊的分离信号.     

基于积分二次相位函数和分数阶Fourier变换的多分量LFM信号参数估计

针对高斯白噪声中多分量线性调频信号参数估计问题,提出了一种基于积分二次相位函数（IQPF）和分数阶Fourier变换的新方法。分析了IQPF估计线性调频信号调频率的原理,指出IQPF有压制弱信号的缺点。为解决强度相差较大的多分量线性调频信号中弱分量信号的参数估计问题,提出利用分数阶Fourier变换域的信号分离技术,逐次估计强信号分量的参数并将其消去,来提高多分量信号参数估计的可靠性。最后通过计算机仿真,验证了该方法的有效性。这种方法与Radon-Winger变换法、Radon-Ambiguity变换法和单纯的分数阶Fourier变换法相比,极大的简化了计算。因此,该方法非常适合于多分量LFM信号的快速参数估计。      

匹配付里叶变换的噪声抑制与滤波

本文讨论了匹配付里叶变换对噪声的影响,通过理论和仿真分析表明,匹配付里叶变换可以扩展有色噪声的带宽,减小所匹配信号的带宽,从而提高信号的检测性能.由于信号和噪声不同的匹配付里叶域的分布不同,则可在不同的匹配付里叶域进行滤波,进一步提高检测性能.仿真表明,在信噪比为-20dB的条件下,线性调频信号通过多次不同的匹配付里叶域滤波,可得到信号比噪声高15dB以上的效果.     

一种基于分数阶傅立叶变换的时变信道参数估计方法

时变衰落信道环境对准确的信道估计提出了巨大挑战.本文提出了一种基于分数阶傅立叶变换的时变信道参数估计方法.该方法根据信道参数模型,通过发射多分量线性调频信号探测信道,在接收端应用分数阶傅立叶变换对接收信号进行参数估计,从而获得时变信道参数.分析和数值仿真结果表明,这一方法具有较高的估计精度,并且计算简单.     

基于三阶多项式傅里叶变换的SAR地面加速运动目标参数估计与成像

该文主要针对加速运动目标的参数估计及成像问题,推导了加速度目标的SAR回波频谱,分析了回波相位三次项估计和补偿对运动参数估计和SAR成像的必要性。提出一种利用Hough变换估计距离走动率和径向速度、相位补偿法校正距离徙动效应,并基于三阶多项式傅里叶变换(LPFT)对三次相位估计的新方法。利用Hough变换,在不明显增加计算量的前提下,达到加速运动目标的运动参数精确估计和精确聚焦成像的目的。最后通过仿真数据验证了该算法的有效性。     

基于自适应分数阶傅里叶变换的线性调频信号检测及参数估计

该文提出了一种基于最小均方算法的自适应计算分数阶傅里叶变换的方法并将该方法应用到多分量chirp信号的检测与估计之中。该方法通过对连续型分数阶傅里叶反变换进行离散化采样,得到适合数值计算的离散形式,进而通过适当的选择输入向量和目标函数构造自适应滤波器,经过最小均方算法进行训练后所得的滤波器权系数即为分数阶傅里叶变换的结果。仿真实验表明,该方法可以用来计算分数阶傅里叶变换及对chirp信号进行检测和参数估计,且计算延时相对较小。     

基于小波变换的多普勒频率变化率高精度估计方法

在单站无源定位与跟踪系统中,获取多普勒频率变化率信息对运动目标的状态估计和定位具有非常重要的意义.多普勒频率变化率非常微弱,很难精确测量.小波变换是一种时频局域化的分析方法,具有较低的信噪比门限.本文提出了基于小波变换的多普勒频率变化率估计方法,计算机仿真研究表明本文提出的方法具有较低的信噪比门限,并且可以快速精确地实现参数估计.     

基于离散FRFT的SAR动目标参数估计方法

为了有效减少SAR系统的数据量和降低脉冲重复频率，提出了一种基于离散分数阶傅里叶变换（FRFT）的动目标参数估计方法。首先对距离向脉冲压缩之后的数据进行DPCA对消处理，其次利用Hough变换估计目标跨航向维的运动参数并校正距离单元走动，然后基于离散的FRFT变换矩阵构造稀疏基矩阵，建立压缩感知重构模型，通过对模型的优化求解获得FRFT的最优阶数，进而估计动目标沿航迹维的速度和位置。最后，仿真实验验证了所提方法能够有效实现低脉冲重复频率条件下的地面运动目标参数估计。     

基于分数阶Fourier变换的多分量LFM信号检测

分数阶Fourier变换作为最新提出的一种分析工具,其变换域同时具有信号的时域信息和频域信息,其实质是Fourier变换的一种广义形式,较适合处理非平稳信号。文中提出一种基于分数阶Fourier变换的多分量LFM信号参数估计与分离方法。通过在分数阶Fourier域搜索峰值点来对多分量LFM信号进行检测和参数估计,同时结合逐次消去思想来分离多个未知参数的LFM信号,抑制了强信号分量对弱信号分量的遮蔽干扰。