线性调频信号的仿生处理模型

线性调频(LFM)信号在现代高分辨成像雷达和声纳中得到了越来越广泛的应用.为提高LFM信号处理的性能,提出了一种基于蝙蝠回声定位系统的仿生处理模型.该模型可以用来辨别两个具有高度重叠回波,距离几乎相等的目标.仿真结果显示该模型对LFM信号的处理与传统的匹配滤波和分数阶Fourier变换相比,具有更好的稳健性和更高的时间分辨力.这种仿生学的信号处理方法可以应用到各种线性调频的声纳和雷达系统中,以改善系统的探测性能和成像精度.     

基于功率谱形态学运算的LFM信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中存在的估计精度与计算量的矛盾问题,提出了一种基于功率谱形态学运算的信号参数估计算法。该算法根据LFM信号参数与功率谱形状特征的关系,实现了LFM信号参数估计。仿真试验表明,在信噪比为-5dB时,LFM信号的调频斜率和起始频率估计精度分别比基于Radon模糊变换(Radon ambiguity transform, RAT)和分数阶傅里叶变换（fractional Fourier transform, FRFT）结合的离散谱校正算法提高了约2%和4.5%,带宽和脉冲宽度估计的均方根误差分别小于2.4 MHz和0.025 μs;当采样点不大于4096时,计算量比插值FRFT算法降低了约70%,证明了该算法具有高估计精度和低运算量的优点     

调频线性度对线性调频信号性能影响分析

针对去调频和脉冲压缩两种不同的处理方式,深入研究了线性调频信号调频线性度对信号性能的影响,得到LFM信号带宽越大,误差频率越低,对线性度要求越高的结论,且在相同边带抑制的条件下,去调频处理比脉冲压缩处理对LFM信号线性度的要求大约提高了一倍。仿真结果验证了理论分析的正确性。     

基于分形盒维数的线性调频信号参数估计

针对当前线性调频（linear frequency modulation, LFM）信号参数估计算法中对调频斜率的估计复杂度高、实时性差且信噪比适应范围较小等缺点,提出了基于分形盒维数的LFM信号调频斜率估计方法。该方法通过计算信号调频斜率与盒维数的关系曲线,利用盒维数对LFM信号的调频斜率进行估计,探讨了信号的幅度和相位对信号盒维数的影响,计算了不同信噪比下的估计误差,并与传统的基于匹配傅里叶变换（matching Fourier transform, MFT）的LFM信号参数估计算法进行了对比仿真,绘制了脉冲宽度、调频带宽与盒维数三者的关系曲线图。仿真结果表明,该算法在建立了对应关系数据库后,在信噪比变化范围比较大的情况下的估计误差仍然比较小,且算法简单,对于实时性估计具有很好的应用价值。     

高阶模糊度函数LFM信号参数估计的改进与仿真

旨在改善高阶模糊度函数（HAF）进行线性调频（LFM）信号参数估计的效果，讨论了HAF进行LFM参数估计流程，分析了由于HAF局限性带来的调频斜率估计误差、累积误差效应以及接收信号与实际信号起点不一致性对HAF的影响，提出了用于改进HAF的分段频谱方差极大值法则。改进HAF降低了LFM信号调频斜率估计误差，同时改善了HAF的误差累积与起点不一致问题。MATLAB仿真数据结果验证了改进方法较HAF在LFM参数估计上的优越性。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

基于分数阶傅里叶域K谱线算法的LFM干扰抑制

针对线性调频(LFM)信号在分数阶傅里叶域的加窗特性,提出了一种基于分数阶傅里叶域K谱线算法的LFM干扰抑制方法.该算法直接把分数阶傅里叶域干扰所在的K根谱线进行定位和消除,从而避免了对门限值的求取.仿真结果表明该算法具有良好的抗线性调频干扰性能,而且当干扰幅度呈现非平稳变化时其性能优于门限法.     

高精度LFM信号参数估计的谱校正方法

为精确估计噪声背景下线性调频（linear frequency modulation, LFM）信号的调频率和中心频率等参数,提出了一种基于Radon模糊变换（Radon-ambiguity transform, RAT）和分数阶傅里叶变换（fractional Fourier transform, FRFT）的离散谱校正估计方法。该方法将LFM信号的调频率和中心频率估计问题转化为模糊域和分数阶Fourier域上的两次一维谱峰搜索过程,并且通过对矩形窗截断的LFM信号的RAT和FRFT谱线结构分析,将能量重心谱校正法引入两次谱峰搜索过程,在不增加运算量的基础上实现了谱峰位置的超分辨率估计,较大幅度地提高了信号的参数估计精度。仿真结果显示,对于单分量LFM信号情况,该方法对信号的RAT和FRFT谱峰位置的校正误差分别降到了扫描步长的1.55%和4.94%,证明了该方法的有效性。     

基于改进 HAF的线性调频雷达信号参数估计

针对多项式相位信号(PPS)中的线性调频(LFM)雷达信号参数估计,通过提出频谱方差极大值准则对PPS次优参数估计方法高阶模糊度函数(HAF)进行了改进,提出了适于单分量LFM参数估计的改进HAF。首先讨论了HAF对LFM参数的估计方法及其局限性,然后提出了分段频谱方差极大值法则下LFM调频斜率估计的方法,将其与HAF相结合提出了单分量LFM参数估计的改进HAF,克服了接收信号与实际信号起点不一致性对HAF带来的影响,降低了由于HAF局限性带来的调频斜率估计误差,改善了HAF的累积误差效应。MATLAB仿真验证了改进方法较HAF的优越性。     

基于脉内LFM-Costas频率步进的抗间歇采样干扰方法

线性调频(linear frequency modulation, LFM)分段脉压对抗间歇采样干扰时,子脉冲顺序步进,使得采样子脉冲与相邻子脉冲脉压后,残余信号积累从而形成干扰带;干扰抑制时信号不连续采样,产生谐波分量。针对这两个问题,提出一种基于脉内Costas频率步进的LFM波形抗间歇采样干扰方法。该波形综合LFM和Costas编码的优点,具有理想图钉型的模糊函数,不仅可以抑制干扰带,还可以大大降低谐波分量,最终提高抗干扰性能。理论推导和仿真分析验证了该方法的有效性。     

混合信息下的多属性大规模群体决策方法

针对多属性大规模群体决策问题中决策者评价信息类型不一致的情况,提出一种包含精确数、区间数、语言信息的多属性大规模群体决策方法。首先,定义了几种不同的转换函数,以此将各决策者给出的精确数、区间数、语言信息一致化为虚拟语言术语;然后,给出了大规模群体决策矩阵的的分组方法,并利用新的三维语言密度算子对其进行集结;最后,在语言幂Heronian算子的基础上,对群体综合决策矩阵进行集结。通过算例验证了所提方法的可行性与有效性。算例分析表明,该方法不仅能够较好地解决混合信息的处理问题,以及能够充分考虑群体共识度;还能够体现属性之间的关联性,以及反映集结值的整体均衡性,因此可使得决策结果更为客观合理。     

基于LFM信号的分布式空间动平台定位技术

提出了一维测距结合二维测向的分布式空间动平台间相对定位方法。根据宽带正负斜率线性调频（linear frequency modulation，LFM）信号的时频特性，结合微波双向技术实现了动平台间的相对距离测量，并提出了测频率解相位模糊的短基线干涉仪高精度测向方法，解决了传统多基线干涉仪测角模型的概率性解模糊问题，同时对平台相对运动引起的多普勒干扰进行有效抑制。最终通过评估系统对该方法的定位精度进行了有效验证。     

多载频MIMO雷达的模糊函数

建立了多载频MIMO(multiple-input multiple-output)雷达的发射、接收信号模型。利用匹配滤波理论并引入阵列的孔径推导出了多载频MIMO雷达的多维模糊函数,并利用MIMO雷达发射信号正交的特点进行简化。证明了在远场窄带情况下可简化为时间和空间分离的函数,推导出距离分辨率由发射信号的带宽以及天线间的带宽同时决定。以简单均匀线阵为例,仿真分析了单基地和双基地情况下多载频线形调频(LFM)信号的多维模糊函数特点和距离分辨率;对双基地雷达来说,目标位置不同距离和角度分辨率都有所变化。     

基于重排小波-Radon变换的LFM雷达信号参数估计

小波变换是一种兼顾时频分辨率的线性变换,对多分量情况不会引入交叉项。针对此问题,提出基于重排小波-Radon变换的多分量线性调频信号的参数估计法。该方法先将小波尺度图转为时频分布图,为提高聚集性引入了时频重排,再将重排图进行Radon变换以进行参数估计。对单分量和双分量的情况进行了仿真,结果表明,该方法有效提高了时频分布图的聚集性,大大节省了后续Radon变换的时间,同时也抑制了噪声干扰,辨识效果明显提高。     

Selection of optimal window length using STFT for quantitative SNR analysis of LFM signal

An adaptive approach to select analysis window parameters for linear frequency modulated (LFM) signals is proposed to obtain the optimal 3 dB signal-to-noise ratio (SNR) in the shorttime Fourier transform (STFT) domain. After analyzing the instantaneous frequency and instantaneous bandwidth to deduce the relation between the window length and deviation of the Gaussian window, high-order statistics is used to select the appropriate window length for STFT and get the optimal SNR with the right time-frequency resolution according to the signal characteristic under a fixed sampling rate. Computer simulations have verified the effectiveness of the new method.     

Combining Radon-ambiguity transform with second-order difference to improve detection probability of LFM signals in low SNR

The Radon-ambiguity transform (RAT), although efficient for detecting the linear frequency modu-lated signals (LFMs), is troubled by the energy accumulation of noise in low signal-to-noise ratio (SNR). A second-order difference (SOD) method is proposed to treat with this problem. In the SOD method, the optimal search step and difference step are derived from the LFM rate resolution formula. The sharpness of the peaks of RAT is measured by curvature, and the sharpness, hut not the magnitude of the peaks, is used to detect the LFMs. The SOD method removes the noise energy accumulation and reserves the drastically changing components integrally; thus, it improves the detection probability of LFMs in low SNR. The expected performance of the new method is verified by 100 Monte Carlo simulations.     

基于均匀圆阵时频干涉仪的LFM信号二维测向算法

提出了一种基于均匀圆阵时频干涉仪的线性调频(linear frequency modulation, LFM)信号二维波达方向估计算法。首先利用LFM信号时频聚集性非常好的特点,对阵元的输出进行互维格纳〖CD*2〗威尔分布(Wigner-Ville distribution, WVD)计算,然后提取互WVD时频冲激点的相位,从而得到包含信号到达角的方程组,解算出信号的到达角。通过选取不同的阵元对组,采用模糊数搜索的算法进行解模糊运算,最终完成信号到达角的估计,仿真实验验证了算法的有效性。