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。      

线性调频信号分数阶频谱特征分析

线性调频信号是一种典型的非平稳信号,广泛应用于雷达、声纳、通信等领域.分数阶Fourier变换是一种新兴的时频变换,由于其独特的性质,成为线性调频信号检测与参数估计的一种良好工具.尤其是,作为一种线性变换,分数阶Fourier变换在处理多分量线性调频信号时能够避免交叉项的干扰.但是,多分量线性调频信号在分数阶Fourier域也存在相互影响的问题.为了分析该问题,研究线性调频信号在分数阶Fourier域的频谱分布特征是非常必要的.本文根据分数阶Fourier变换的定义以及分数阶Fourier变换与时频分布的关系,分析了线性调频信号在分数阶Fourier域的频谱分布特征,以及线性调频信号的分数阶频谱分布与分数阶旋转角α的变化关系;根据离散分数阶Fourier变换的实现算法,讨论了线性调频信号在离散分数阶Fourier变换条件下的分数阶频谱的分布特征,以及线性调频信号在分数阶Fourier域的能量谱的近似表达式.最后,利用LFM信号的分数阶频谱的分布特征,分析了多分量LFM信号中的信号尖峰偏移问题,并给出信号尖峰发生偏移的条件.本文为定量分析分数阶Fourier域多分量线性调频信号之间的相互影响奠定了基础,为改善分数阶Fourier变换对多分量线性调频信号的处理能力提供了参考.     

基于FRFT的多LFM信号的分离及参数估计

线性调频（LFM）信号在某个阶次的FRFT域中具有能量聚集性,根据这一特性采用分数阶傅里叶变换（FRFT,Fractional Fourier Transform）来分离多个未知任何先验参数的LFM信号,通过在FRFT域搜索峰值点来检测并分离出LFM信号,并用相关系数对分离效果进行了评价。针对二维搜索峰值点的计算复杂性,提出了曲线拟合优化技术来进行FRFT模值检测,把二维搜索转化为一维曲线拟合问题,并介绍了高斯混合模型近似FRFT模值分布。计算机仿真表明,这一方法极大地降低了计算复杂度,对多分量LFM信号进行了有效的分离及参数估计。     

一种基于分数阶Fourier变换的雷达运动目标检测算法

针对雷达回波为多分量LFM信号时,时频分析存在的交叉项干扰问题,提出了一种基于分数阶Fourier变换(Fractional Fourier Transform,FRFT)的伪Wigner分布(PWD).该方法通过在参数平面按阈值进行峰值搜索确定变换域阶次,再在相应的分数阶Fourier域计算PWD,有效地抑制了交叉项的干扰,有利于更好地提取信号的时频信息.仿真实验证明了在强背景噪声下该算法的有效性.     

分数阶Fourier域多分量微弱LFM信号的检测

为了提高对多分量微弱LFM信号的检测能力,提出了一种基于分数阶Fourier域非均匀采样理论的信号检测方法。首先提出了一种自适应非均匀采样方法,建立了该方法的模型,得到了非均匀采样LFM信号在分数阶Fourier域的频谱表达式。在此基础上,对多分量非均匀采样LFM信号进行了检测研究。计算机仿真结果表明,同传统的信号检测方法相比,该方法对微弱LFM信号具有较好的检测能力,而且减少了运算量,满足了实时性要求。     

基于分数阶Fourier变换的LFM信号参数估计精度分析

本文采用一阶扰动分析的方法分析了基于分数阶Fourier变换的LFM信号参数估计精度,推导得到了频率估计误差均方值表达式和调频率估计误差均方值表达式,前者反比于信号时长,后者反比于信号时长的平方。结果表明,基于分数阶Fourier变换的LFM信号参数估计方法在估计精度方面达到了最优。     

分数阶Fourier域强弱LFM信号检测与参数估计

分数阶Fourier变换（FRFT）由于其特有的性质,非常适合处理线性调频（LFM）信号,尤其是,作为一种线性变换,可以克服多分量LFM信号之间的交叉项干扰。但是采用逐次消去法检测多分量LFM信号时,每检测一个LFM信号,都要对信号分别求旋转角 的FRFT,再进行二维搜索,计算量较大。为了提高FRFT对多分量LFM信号的检测效率,本文给出一种在分数阶Fourier域检测强、弱LFM信号的新方法。首先,分析了逐次消去法和聚类分析法检测多分量LFM信号的原理,以及它们的优缺点。提出一种聚类分析和逐次消去相结合的信号检测方法,利用平面截取信号在平面(u,α)上的尖峰,并引入基于广度优先搜索邻居（BFSN）的聚类算法,对截取的信号尖峰进行聚类分析,获得每个LFM信号对应的信号尖峰,实现多个较强信号的检测与参数估计,再利用逐次消去法实现弱信号的检测。该方法可以同时检测多个能量相近的LFM信号,提高了检测效率,以及次强信号的参数估计精度,并有效地抑制了强信号对弱信号的遮蔽影响。通过对信号进行平面切割处理,减少了BFSN聚类算法中输入集样本数量,大大降低了算法的计算量。最后,仿真验证了该方法的有效性。      

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。     

基于FrFT的LFM相参脉冲信号多普勒频率变化率估计算法

线性调频信号(LFM)在雷达中广泛应用,精确获取观测LFM信号中的多普勒频率变化率信息是单站无源定位与跟踪系统的一项关键技术。该文提出了基于分数阶Fourier变换(FrFT)的多普勒频率变化率估计算法,在分数阶变换域上使信号能量聚集,消除调频率对参数估计的影响的同时充分提高了信噪比,进而利用保留的脉冲间相对相位关系获得了多普勒频率变化率的高精度估计。理论分析表明,该算法估计精度接近理论下界,数值仿真验证了算法的有效性。     

基于改进的FrFT的LFM最佳u域点滤波

分数阶傅里叶变换（Fractional Fourier Transform,FrFT）能够对线性调频信号（Linear Frequency Modulation,LFM）起到很好的能量聚焦效果，因此常用FrFT来对LFM信号进行未知参数估计以及滤波。基于此，提出了一种基于改进的FrFT的最佳u域滤波算法。仿真结果表明，相较于传统的在FrFT u域下的滤波而言，所提的滤波算法信号幅度谱损失更少，信息保留更完整，输出信噪比提升了3 dB，运算量减少了25%。     

高斯白噪声背景下的LFM信号的分数阶Fourier域信噪比分析

目标大机动运动使雷达回波表现为频率和调频率参数均未知的LFM信号。未知参数LFM信号的检测和估计采用分数阶Fourier变换来实现受到越来越多的关注,为此本文着重分析其分数阶Fourier变换的信噪比。首先推导出时限线性调频信号的分数阶Fourier变换模平方,给出了在分数阶Fourier域的峰值点与未知参数的关系,然后研究了附加白噪声LFM信号在分数阶Fourier域的统计特性,确定了其信噪比,并与理想情况(即参数频率和调频率参数已知)下线性相位匹配滤波器的输出信噪比进行了比较。     

LFM信号的分数阶傅里叶域自适应滤波算法研究

对于线性调频信号(LFM)的滤波,采用处理平稳信号的方法对其滤波往往得不到很好的效果。本文利用了线性调频信号在分数傅里叶变换域上具有很好的时频聚焦性的特点,来实现信号在分数阶傅里叶域的自适应滤波,自适应滤波算法采用改进的步长LMS方法,对传统的LMS算法做出了改进,算法中步长处理中引入了一个限制因子,可以较好地解决算法收敛速度和稳态失调量之间的矛盾。仿真结果表明,此算法在处理分数阶域的LFM信号滤波比传统的LMS算法有较好的滤波效果。      

DSSS系统LFM干扰抑制技术研究

针对传统的傅里叶变换只能对平稳干扰信号具有较好的抑制能力而对非平稳的LFM干扰信号不能有效抑制,该文引入了分数阶傅里叶变换（FRFT）,在分数阶傅里叶域给出了一种LFM信号最佳旋转角度确定的算法,并利用该算法对LFM在分数阶傅里叶域进行干扰抑制。仿真结果表明,该算法能够准确确定LFM信号在分数阶傅里叶域的最佳旋转角度,...     

基于ST-FRFT的非合作水声脉冲信号检测方法

为解决非合作条件下水声脉冲信号检测与参数估计的难题,本文提出了一种基于短时分数阶傅里叶变换（ST-FRFT）的检测方法。线性调频（LFM）和单频（CW）脉冲信号是最常见的两种水下声脉冲信号,在非合作条件下,信号参数信息的缺失使得不能直接采用匹配滤波检测方法,傅里叶变换（FT）对CW信号具有良好的检测增益,但对LFM信号检测增益下降,尤其是具有较大调制率的LFM信号。分数阶傅里叶变换（FRFT）对LFM信号具有良好的能量聚集性特点,有利于LFM信号的检测,并且包含了Fourier变换,同样适用于CW信号的检测。为了同时获得接收信号的时域和频域特征,设计了基于短时分数阶傅里叶变换（ST-FRFT）的检测器,可以实现信号参数未知的情况下对LFM和CW信号的截获检测。理论分析了ST-FRFT与STFT方法针对LFM信号和CW信号的检测性能,基于FT的方法对LFM信号的处理增益受到调制率的影响,相对于CW信号增益下降,并且随窗长呈非线性变化,非合作条件下难以获得最佳窗长,而FRFT对LFM信号可以获得近似匹配滤波的处理增益,提高了LFM信号的检测性能。仿真结果和湖试数据处理结果验证了理论分析的正确性与该方法的有效性。      

LFM的一种自适应滤波方法

研究了白噪声环境下线性调频信号的自适应滤波问题。提出了一种LFM自适应滤波算法,该算法利用分数阶傅里叶变换将LFM信号转化为正弦信号,在u域进行自适应滤波,利用分数阶傅里叶反变换得到滤波后的时域信号。该算法为白噪声下LFM信号增强、滤波提供了一种算法框架。性能分析表明,该算法的滤波效果取决于自适应滤波器的效果。最后仿真表明该算法效果明显,计算方便。     

基于时频加窗短时傅里叶变换的LFM干扰抑制

通过对线性调频(LFM)信号分数阶傅里叶变换的分析,该文提出了一种基于时频加窗短时傅里叶变换(TFW-STFT)的LFM干扰抑制算法。由于提出的时频窗对LFM干扰具有较好的频域能量聚集性能,因此TFW-STFT对信号的影响要小于无聚集性能的短时傅里叶变换。仿真结果证明该算法在信噪比损失和系统误比特率上明显优于基于短时傅里叶变换的算法。     

基于FRFT的线性调频信号欠采样快速检测方法

采用分数阶Fourier变换对线性调频信号(Linear Frequency Modulation,LFM)进行检测与参数估计时,由于信号的特征未知,需要运用二维搜索方法确定分数阶Fourier变换的最佳旋转角度.该方法运算量巨大.为减少运算量,本文推导了欠采样前后LFM信号的分数阶Fourier变换最佳能量聚集旋转角度关系,证明了无噪LFM信号的调频率估计可以完全不受Nyquist采样定理的限制;通过推导分析欠采样含噪LFM信号在最佳分数阶Fourier域的信噪比,给出了欠采样倍数M对LFM信号检测的影响及其选取原则;最终提出一种基于欠采样理论的LFM信号快速检测方法.实验结果表明,当M选取合适时,利用原始信号的欠采样样本即可对LFM信号实现有效检测,快速确定其调频率.     

基于FRFT的对称三角LFMCW信号检测与参数估计

对称三角线性调频连续波(STLFMCW)信号是一种典型的低截获概率雷达信号。该文通过分析STLFMCW信号在分数阶Fourier变换(FRFT)域的频谱分布特征,发现STLFMCW信号包含的各段LFM信号在其对应的最佳FRFT域内具有很好的能量聚集性;各段LFM信号在频域内会完全重叠,叠加的频谱幅度较高,在低信噪比条件下,严重影响STLFMCW信号的检测与参数估计。因此,利用FRFT检测STLFMCW信号时,必须克服该问题。该文提出一种FRFT与聚类分析相结合的STLFMCW信号检测与参数估计方法。该算法解决了由STLFMCW信号的频谱叠加给信号检测带来的问题,而且,克服了信号尖峰的高度必须高于噪声幅度的限制,在低信噪比条件下具有较好的检测效果。最后,仿真验证了该方法的有效性。     

An Integral Transform and Its Applications in Parameter Estimation of LFM Signals

This paper proposes a new transform called simplified linear canonical transform (SLCT) that provides a new method for parameter estimation of linear frequency-modulated (LFM) chirp signals embedded in additive white Gaussian noise. The proposed transform is a linear transform and has a more succinct form as compared with the fractional Fourier transform (FRFT). The discrete SLCT with fast Fourier transform (FFT) algorithm provides a computationally fast choice for LFM signal detection or parameter estimation. Using SLCT and a clean technique, all the components of Multi-LFM signals can be estimated seriatim. Simulations illustrate that the proposed algorithm is more effective than existing ones.