基于FRFT的几种典型相位编码信号检测与参数估计

多相编码(Frank码、P1码、P2码、P3码与P4码)信号是一类典型的低截获概率雷达信号。针对该类信号的检测与参数估计,分析了多相编码信号的时频分布特征,讨论了多相编码信号在分数阶Fourier域的频谱分布特征,并以Frank码信号为例,推导出多相编码信号的主要特征参数的估计表达式。提出了一种基于分数阶Fourier变换(FRFT)的多相编码信号检测与参数估计算法。该算法给出一种利用FRFT估计多相编码信号载频的方法。最后,仿真结果表明该算法在低信噪比(SNR)条件下对多相编码信号仍具有较好的检测和参数估计效果。     

基于谱相关的直接序列扩频信号参数估计

直接序列扩频信号(direct sequence spread spectrum,DSSS)是抗干扰低截获概率信号,实现其参数的估计具有重要意义。针对直扩信号载频、码元速率、相位的估计问题,结合谱相关的基本理论,提出了对直扩信号载频、码元速率、相位估计的谱相关方法。理论分析和仿真结果表明:在没有伪随机码序列及相关参数先验信息的条件下,该方法能够完成低信噪比时对信号的检测和载频、码速率、初相的估计,可有效提高计算效率。     

MIMO雷达的相位编码信号设计

多输入多输出(MIMO)雷达可以发射多个彼此相关或不相关的的探测信号。该文针对MIMO雷达相关信号设计问题,提出一种相位编码信号设计方法。该方法通过采用遗传算法优化设计一组相关的相位编码信号序列,使其满足期望的自相关和互相关特性来实现期望空间方向图的逼近。仿真结果证明了该方法用于相关相位编码信号序列设计的可行性和有效性。     

基于Radon-STFT的多分量线性调频信号检测与参数估计

首先介绍了利用Radon-STFT对线性调频信号进行检测和参数估计的基本原理；然后结合逐次消去技术提出了基于Radon—STFT的多分量LFM信号检测和参数估计实用算法，并进行了计算机仿真。仿真结果验证了该算法的有效性。     

线性调频信号参数估计快速算法

分析了线性调频（LFM）信号Fourier变换幅度谱的表达式,并分析了其幅度最大值对应的频率,提出了以两次FFT为基础的LFM信号参数估计方法;为了提高信号低信噪比情况下参数估计精度,提出了一种非对称加窗方法。仿真和实验结果表明了该算法的有效性。     

基于"黄金分割法"的LFM信号参数估计

文中提出了基于"黄金分割法"的LFM信号参数估计算法,以此来估计接收信号序列与原LFM信号的起止点不完全重合时的参数值.仿真结果证明该算法简单、估计精度高,且对估计信号起止点不完全重合的情况有一定的鲁棒性.     

脉冲噪声下基于CNN-FRFT的线性调频信号参数估计方法

由于脉冲噪声破坏了线性调频(LFM)信号的分数谱特征,使得基于分数谱特征的参数估计方法无法有效估计参数。针对这个问题,提出一种脉冲噪声环境下基于CNN-FRFT的LFM信号参数估计方法。首先,利用α稳定分布拟合随机脉冲噪声,构建加性含噪信号,输入卷积神经网络(CNN)进行训练和测试;其次,利用训练好的CNN模型对信号进行去噪,并验证模型的去噪能力和泛化能力;最后,利用分数阶傅里叶变换(FRFT)建立去噪信号的分数谱,通过峰值点位置来估计LFM信号的参数。实验结果表明,相比于传统的基于非线性函数的方法,该方法在强脉冲噪声环境下具有更好的精度和噪声鲁棒性,CNN的应用使其具有更强的泛化能力,在实测脉冲噪声下仍可以准确估计参数。     

基于SVC多分量LFM信号检测与参数估计

文中引入支持向量聚类(SVC)算法对多分量LFM信号进行检测和参数估计.并提出"近似零均值"法来减少SVC算法中输入集样本数量,且改进原聚类标识方法为"直接聚类标识"法,提高了SVC算法的计算效率.同时也解决了在较低信噪比条件下,对多分量LFM信号的检测与参数估计难的问题.     

基于多片ADSP的PPS雷达信号参数估计算法实现

采用四片ADSP-TS101S构成的雷达信号参数估计平台,实现了基于三次相位函数的多项式相位信号参数估计算法。该算法只需要通过二阶非线性变换即可实现PPS的参数估计。硬件实验表明,该算法可在低信噪比条件下准确地估计PPS参数,并且通过多片流水式的并行处理,最大限度地节省了估计时间。     

多跳频信号参数估计时频分析算法

为了解决噪声及干扰环境下多跳频信号参数估计难度大的问题，提出一种多跳频信号参数估计时频分析算法。首先对信号进行短时傅里叶变换得到时频图像，针对不同干扰的时频分布特点，通过能量对消、自适应阈值法、形态学滤波消除各类干扰影响，实现跳频信号的提取；通过区域联通标记算法标记各个跳频簇，并通过各跳频簇时长实现多跳频信号分选。利用改进的PAM聚类算法，完成跳频频率和跳频周期的估计。仿真实验表明，与通过提取时频脊线方式进行参数估计的算法相比，该算法具有更高的估计精度，同时能够准确分选出多跳频信号，在各类干扰影响下，仍具有较高的估计精度。     

基于一维参数化正交小波滤波器的信号重构

应用一维参数化正交小波滤波器逼近一个双正交小波滤波器,利用文中给出的算法,根据信号采样值用Mallat算法对信号进行快速重构,准确得出原始的信号。通过仿真说明了此算法的可行与有效性。     

基于双曲调频小波变换的水下运动目标参数估计

为了精确估计水下运动目标的运动参数，选择双曲调频小波作为发射信号，对其自小波变换进行了分析。对于参数未知的运动目标，给出了利用该小波变换消除尺度和时延耦合的方法。仿真结果表明，该方法能在低信噪比下估计运动目标的参数，验证了方法的有效性。     

基于短时傅立叶变换的鱼雷自导信号参数实时估计及应用

采用商用成熟（COTS）技术途径开发军用设备是一个重要发展方向。该文提出了COTS产品在声靶系统对鱼雷自导信号参数实时估计中的应用方案,采用短时傅立叶变换（STFT）实现对鱼雷自导信号脉冲载频、脉冲到达时刻、脉冲宽度和脉冲问隔的实时估计。在鱼雷自导信号参数高精度估计的基础上,利用中频直接采样有效减小了信号处理的数据量。通过工业D／A板试验证明,该应用方案达到了设计功能和性能指标要求,并且降低了开发成本,缩短了项目的开发周期,保证了应用的灵活性和二次开发性。     

小波变换及AR模型谱估计在履带车辆振动信号处理中的应用

履带车辆行驶过程的振动加速度信号成分复杂,直接处理容易受到噪声的影响而缺乏准确性。利用小波变换的频带划分特性对信号进行分解,将重构信号作AR模型谱估计可以有效消除噪声的影响,提高信号分析的准确性。     

一种新的线性调频脉冲信号参数估计算法

在采用传统Wigner-Ville-Hough变换(WVHT)进行线性调频脉冲信号检测和参数估计的过程中,当观测数据具有多个线性调频脉冲周期时,在估计参数真值处的输出信噪比不能因为观察时间的增加而变好,反而会在时频变换图中出现多个峰值,影响信号参数的估计性能。为此,研究了一种基于周期WVHT（PWVHT）的线性调频脉冲信号参数估计方法,给出通用信号的PWVHT公式并推导了线性调频脉冲信号的PWVHT公式,分析PWVHT输出信号的信噪比与观测时间和样本信号信噪比的关系,采用MATLAB对PWVHT进行线性调频脉冲信号参数估计的误差进行了仿真。仿真结果表明：在对多线性调频脉冲分量信号进行参数估计时,PWVHT的性能更优。在采用传统Wigner-Ville-Hough变换(WVHT)进行线性调频脉冲信号检测和参数估计的过程中,当观测数据具有多个线性调频脉冲周期时,在估计参数真值处的输出信噪比不能因为观察时间的增加而变好,反而会在时频变换图中出现多个峰值,影响信号参数的估计性能。为此,研究了一种基于周期WVHT（PWVHT）的线性调频脉冲信号参数估计方法,给出通用信号的PWVHT公式并推导了线性调频脉冲信号的PWVHT公式,分析PWVHT输出信号的信噪比与观测时间和样本信号信噪比的关系,采用MATLAB对PWVHT进行线性调频脉冲信号参数估计的误差进行了仿真。仿真结果表明：在对多线性调频脉冲分量信号进行参数估计时,PWVHT的性能更优。     

小波变换优化无线电引信多普勒信号频率的估计

介绍一种短时平均过零率的计算方法，它具有易于用软件实现和便于调整检测门限。用短时平均过零率表征连续波多普勒体制无线电近炸引信多普勒信号频率，使引信具有一定的抗干扰能力。弹目交会时目标的体目标效应显著，多普勒频率起伏较大，选用小波变换技术对其进行平滑处理，优化估计信号的频率。     

未知包络多分量线性调频脉冲信号参数估计

针对雷达侦察中的未知包络线性调频（LFM）信号参数估计问题,基于时频分析与相干积累,提出了脉冲数、调频率、中心频率、时延和脉宽参数的估计方法。利用时频分析对脉冲数与调频率进行粗估计,结合分数阶傅里叶变换（FRFT）完成脉冲数与调频率精估计;进行局部相干积累,提取中心频率、时延和脉宽。仿真分析表明：多分量LFM信号中的强脉冲可能对弱脉冲信号的参数估计产生干扰。针对该问题,在FRFT域对强脉冲进行了遮蔽处理。推导了估计参数的克拉美劳下界,并对估计误差进行了分析,结果表明：对于多分量LFM脉冲信号,遮蔽强脉冲信号后,弱脉冲信号的脉宽估计精度可显著提高。     

基于小波宽带相关处理的发射信号与小波母函数的选取

立足于水雷主动探测的技术发展需求,论述了连续小波变换、宽带相关处理以及宽带模糊度函数之间的关系。确定了水下主动探测发射信号及小波母函数的选取,在短程目标深测中通过选择一种满足小波条件的发射信号作为小波母函数,进行连续小波变换,估计舰船目标的运动参数（航速和距离）,仿真结果表明本文方法是有效的,在水雷主动探测中有较好的应用前景。