基于尺度变换的宽带线性调频信号时差/尺度差估计算法

提出了一种基于尺度变换的宽带线性调频信号时差和尺度差的快速算法.根据两路接收到的线性调频信号间调频率之比为尺度差的平方的特点,利用分数阶傅里叶变换分别估计出两路信号的调频率,即可获得尺度差的估计.将估计的尺度差对一路信号进行伸缩,并计算伸缩后信号与另一接收信号的时域相关,根据相关峰的位置估计出时差.相比于传统基于宽带互模糊函数的方法,该方法避免了二维搜索宽带互模糊函数的峰值,只需若干次快速傅里叶变换即可实现,能够显著降低运算量.仿真结果显示该方法在高信噪比下逐渐接近克拉美-罗下界.     

基于分数阶傅里叶变换的低信噪比线性调频信号参数快速估计算法

针对低信噪比线性调频信号参数估计精度低且运算量大的问题,该文提出一种基于高效分数阶傅里叶变换(FRFT)和分数阶频谱4阶原点矩的快速估计算法。该算法通过判断调频斜率的正负,以确定旋转阶次所在初始区间;进而应用高效FRFT获得初始旋转阶次;最终利用分数阶频谱4阶原点矩,进一步确定搜索区间和步长,实现精准搜索,从而满足参数精度的要求。实验结果表明,该算法尤其适合用于低信噪比情况下的线性调频(LFM)信号检测与参数的准确估计,而且运算量较低。     

基于分数阶傅里叶变换的低信噪比线性调频信号参数快速估计算法

针对低信噪比线性调频信号参数估计精度低且运算量大的问题,该文提出一种基于高效分数阶傅里叶变换(FRFT)和分数阶频谱4阶原点矩的快速估计算法.该算法通过判断调频斜率的正负,以确定旋转阶次所在初始区间;进而应用高效FRFT获得初始旋转阶次;最终利用分数阶频谱4阶原点矩,进一步确定搜索区间和步长,实现精准搜索,从而满足参数精度的要求.实验结果表明,该算法尤其适合用于低信噪比情况下的线性调频(LFM)信号检测与参数的准确估计,而且运算量较低.     

基于FRFT的雷达微弱目标信号检测算法

针对低信噪比下雷达目标回波检测的问题,提出对回波预处理后接分数阶傅里叶变换的检测方法。预处理为AR滤波器抑制杂波并用小波去噪。由于低信噪比下分数阶傅里叶变换检测性能低,对回波做预处理提高回波信噪比。再运用分数阶Fourier变换对LFM信号的聚敛性质检测。仿真结果表明,文中提出算法检测性能优于直接进行分数阶傅里叶变换。     

分数阶傅里叶变换在雷达多目标检测和参数估计中的应用

介绍了分数阶傅里叶变换的基本原理和基本性质。结合时域和频域上扫频滤波器的原理推导出了分数域上的扫频滤波器的实现形式。利用分数阶傅里叶变换对线性调频信号有很好的聚焦性的性质,提出了基于分数阶傅里叶变换的雷达多目标检测和参数估计算法。解决了在强度相差较大的强分量信号中检测和估计弱分量LFM信号参数的问题。仿真结果表明了该算法的有效性。     

线性调频信号时/频差快速联合估计方法

提出了一种线性调频(Chirp)信号时/频差估计算法。首先估计Chirp信号互模糊函数中脊线的位置,再通过频率补偿使脊线通过原点,进而通过搜索信号在分数阶傅里叶变换域上的相关峰来代替沿脊线搜索模糊函数峰值的过程,最终获得时/频差的估计。该算法由于采用一维搜索,并且可用快速傅里叶变换实现,因此所需运算量显著降低。对于多分量Chirp信号,根据脊线位置的不同,算法能够分别估计出各分量信号的时/频差。仿真实验表明,该算法能够精确估计Chirp信号的时/频差,并且随着信噪比的提高,时/频差估计值的均方根误差逐渐接近克拉美罗下界。      

基于分数阶谱相减的语音增强法

该文提出了基于分数阶谱相减的语音增强法(FSS)。该方法通过对带噪语音信号作分数阶傅里叶变换(FRFT),将得到的分数阶语噪混合谱与估计的分数阶噪声谱相减,最后利用分数阶Fourier反变换获得去噪后的语音信号。理论分析表明,所提方法存在一个最佳分数阶阶数,使得语噪混合信号能在分数阶变换域得到最好的分离,从而有效地提高了增强语音的性能。计算机仿真表明,对于混有加性白噪声的男/女声发音信号,所提方法在信噪比提高量和Itakura距离减少量两个方面都优于传统的谱相减法(SS),并且增强语音中的音乐噪声得到了明显抑制。     

基于广义二次相关的稀疏傅里叶变换时延估计算法

针对无源时差定位中的稀疏傅里叶变换时延估计算法在低信噪比条件下的抗噪性差和估值精度低等问题,提出了广义二次相关稀疏傅里叶时延估计算法。算法在对信号进行稀疏傅里叶变换的基础上,融合利用最小二乘拟合改进的广义二次相关算法,在对信号进行快速处理的同时抑制了噪声的干扰,使得时延估计算法的性能得到提高。仿真实验以及对实测数据的验证均表明改进算法具有较好的抗噪性以及时延估值精度。     

基于FRFT的双基地MIMO雷达多普勒频率和收发角联合估计新方法

提出了一种新的双基地MIMO雷达系统中参数联合估计方法.首先提出了一个新的双基地MIMO雷达阵列信号模型,利用分数阶傅里叶变换能量聚集特性对多普勒频率的初始频率和调频率进行联合估计.然后,在分数阶傅里叶变换域内构造2个子阵,采用FRFT-MUSIC算法和FRFT-ESPRIT算法实现了收发角的联合估计.仿真实验表明,本算法在低信噪比时同样具有较好的性能.     

线性调频信号时/频差估计算法

提出了一种新的快速估计线性调频信号时/频差的算法.该算法将抽取的自模糊函数与Radon变换结合估计线性调频信号的调频率, 通过分数阶傅里叶变换估计出模糊函数脊线与频率轴交点位置, 应用解调频沿脊线搜索模糊函数峰值.对于接收信号中存在多分量的情况, 根据其模糊函数脊线位置的不同, 该算法能够分辨各分量信号, 并分别精确估计出各分量的时/频差.由于只需一维搜索模糊函数峰值, 并可用快速傅里叶变换实现, 该算法大大减少了运算量.仿真实验表明, 随着信噪比的提高, 该算法估计的时/频差均方误差逐渐逼近克拉美-罗下界.     

同轨双站宽带信号源位置点成像定位算法

针对已知高度宽带信号源的无源定位问题,借鉴SAR成像原理和直接定位法思想,提出一种利用到达差时间(TDOA)和到达频率(FDOA)信息的位置点成像无源定位算法。采样时将观测时间划分为快时间和慢时间,在快时间域估计TDOA,慢时间域估计FDOA。首先分析了同轨双站构型下距离差走动,然后利用观测区域中心位置对观测时间内各脉冲TDOA进行校正,再通过二维傅里叶变换得到TDOA和FDOA,并将联合估计得到TDOA和FDOA通过几何关系映射得到目标位置。仿真实验表明了本文算法的有效性,且不需要进行信号分选和参数配对,适用于观测不可区分多目标辐射源定位问题,具有高精度和超分辨特性。     

多载波基带信号相参时差估计算法与分析

时差估计精度与信号在频域上的分布情况以及信号能量和噪声有关。多载波信号的频率信息和能量在频域上分布区间大,通过多载波信号的相参积累,可以有效利用信号在整个区间内的频域信息和能量来提高时差参数的估计精度,克服单载波信号带宽窄能量低导致的时差估计精度不高的问题.本文针对多载波基带信号的时差估计问题,在单载波基带信号互相关函数分析的基础上,推导了多载波基带信号互相关函数,并分析了其相位关系,通过相位补偿实现了多载波基带信号互相关函数的相参积累,并理论分析了多载波信号时差参数估计性能与信号各参数的关系。蒙特卡洛仿真表明,提出的多载波基带信号相参时差估计算法性能明显优于单载波信号的估计性能,性能改善情况与理论分析一致。      

相干宽带线性调频信号的波达方向估计新方法

提出了一种相干宽带线性调频(LFM)信号的波达方向(DOA)估计新方法。该方法利用LFM信号在分数阶Fourier域上的解线调特性,构造出新的解线调域阵列数据模型,然后结合传统的矩阵重构解相干以及MUSIC算法实现相干LFM信号的DOA估计。若同时存在多组相干LFM信号入射,则首先在不同的能量聚集域上将各信号组分离,然后逐一进行各组内相干信号的DOA估计。该方法充分地挖掘了观测信号所包含的时频信息,增加了可检测的DOA数目,提高了分辨性能和抗噪声性能。此外,该方法无冗余阵元与孔径损失,且适用于任意流型阵列。仿真结果显示,在DOA估计的均方根误差(RMSE)相同时,与传统方法相比,本方法可获得8dB左右的信噪比增益。     

基于小波阈值去噪和共轭模糊函数的时频差联合估计算法

为了解决二阶互模糊函数对相关噪声处理的局限性问题,以及基于四阶累积量的联合估计算法的运算量大的问题,该文利用小波阈值去噪方法结合非圆信号的特性,提出一种新的时频差联合估计算法。该方法首先对接收信号进行小波阈值去噪,然后构造共轭模糊函数,最后再进行2维搜索,得到时差和频差参数。仿真实验给出不同信噪比下的参数估计结果,得出这种算法能抑制相关噪声,又能相对降低运算复杂度,并且在较低信噪比下也能做出准确估计。     

基于频域时延-多普勒二维聚焦的欠采样雷达信号参数估方法

针对欠采样脉冲多普勒雷达信号参数估计中已有方法抗噪性差、顺序参数估计方法中后续参数估计受前面参数估计精度影响严重等问题，该文提出一种基于有限新息率(Finite Rate of Innovation, FRI)采样的频域时延-多普勒2维聚焦(FD2TF)算法。在该算法中，利用FRI采样结构能够以低于奈奎斯特采样频率的速率获得信号的一系列傅里叶系数，通过频域2维聚焦过程能够同时估计时延和多普勒参数，避免了参数顺序估计中误差累积的问题，理论分析证明了该算法能够大幅提升采样信号的信噪比，提高算法抗噪性和鲁棒性。在2维聚焦算法的基础上该文还提出了基于逆傅里叶变换的2维聚焦简化算法，在提高参数估计网格密度的同时，大大减低了2维聚焦算法的计算量。仿真和对比实验结果证明了该方法的有效性和良好的抗噪性。     

Estimation of frequency-delay of arrival (FDOA) using fourth-orderstatistics in unknown correlated Gaussian noise sources

A new family of nonparametric and parametric methods based on fourth-order statistics for the estimation of the frequency-delay of arrival (FDOA) between two sensor signal measurements, corrupted by correlated Gaussian noise sources in an unknown way, is presented. The new family of FDOA estimation methods utilizes the fourth-order cumulants or 1-D Fourier transforms of sliced fourth-order cumulants of the two signal measurements. It is demonstrated that the new family of FDOA estimation methods suppresses the effect due to correlated Gaussian measurement noises and outperforms existing second-order statistics-based FDOA estimation methods using either cross-ambiguity function or MUSIC algorithm. Various simulation results are presented for different types of signals, different lengths of data, and different signal-to-noise ratios     

基于四阶累积量的EM波达方向估计算法

针对低信噪比（signal-to-noise ratio,SNR）下,经典波达方向估计性能下降的问题,提出将信号的四阶累积量与期望最大化（expectation maximization,EM）算法相结合的波达方向估计算法.该方法引入隐含变量进行更新迭代,并求隐含变量的四阶累积量,构造关于待估波达方向的极大似然函数从而求解出信号的波达方向角.仿真结果表明:本文算法能有效地抑制高斯噪声对信号参数估计的影响,同时能利用迭代来提高估计精度.在低SNR时其估计性能优良,具有很好的稳定性和分辨率,有利于高分辨地估计信号的波达方向.