基于分数阶傅里叶变换的星载SAR信号参数实时估计

针对星载合成孔径雷达（synthetic aperture radar, SAR）信号参数估计问题,提出了一种基于分数阶傅里叶变换的实时估计方法。首先,介绍了分数阶傅里叶变换的定义和chirp信号参数的估计原理。其次,在介绍星载SAR运行特点的基础上,针对单脉冲和脉冲串这两种情况进行了相应参数的实时估计：通过对接收到的星载SAR单脉冲信号进行分数阶傅里叶变换,可以估计出星载SAR的载频和调频率;通过对接收到的星载SAR信号的脉冲串进行分数阶傅里叶变换,可以估计出方位调频率。仿真和实验证明这种方法是可行的。     

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     

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。     

离散分数阶Fourier变换的LFM信号时延估计

根据Ozaktas的采样型离散分数阶Fourier变换算法,针对线性调频信号,结合分数阶Fourier变换对线性调频(LFM)信号的独特聚集性,研究了基于Ozaktas离散分数阶Fourier变换的含多普勒的LFM信号时延估计,给出了线性调频体制雷达分数阶Fourier域的目标检测与测距具体实现,并与经典数字脉压对雷达目标测距的分辨力、时延估计误差、运算量进行对比分析,结果验证了基于Ozaktas离散分数阶Fourier变换时延估计的可行性及有效性。     

LFM信号参数估计的插值FRFT算法

提出了一种基于分数阶傅里叶变换（fractional Fourier transform, FRFT）的线性调频（linear frequency modulation, LFM）信号参数估计的插值算法。首先针对FRFT的旋转角度α搜索步长问题,提出了在较大搜索步长下进行插值以得到α精估计的方法;然后针对离散分数阶傅里叶变换(digital fractional Fourier transform, DFRFT)因参数u离散化而造成的栏栅效应问题,采用相邻谱线进行插值以得到u的精估计;最后用α和u插值精估计结果对单分量LFM信号的参数进行估计。这一方法在不影响估计精度的前提下,降低了计算量和复杂度。仿真结果表明,在较低的信噪比下,LFM信号参数估计的精度仍十分逼近克拉美罗界(Cramer-Rao bound, CRB)。     

基于分数阶傅里叶变换的chirp信号时频分析

提出了一种新的基于分数阶傅里叶变换的伪维格纳分布(PWD),用于单分量或多分量chirp信号的分析。首先通过搜索二阶分数阶傅里叶变换矩的极值点,寻找最佳变换域,然后利用旋转的短时傅里叶变换,在分数阶傅里叶变换域中实现各分量chirp信号间的分离,以抑制交叉项及噪声项的干扰。在已知信号模型的前提下,还给出了分数阶傅里叶变换最佳旋转角度的经验计算公式,以辅助信号分析。仿真实验表明,通过对时频平面的旋转,所提出的方法能够在分数阶傅里叶变换域中,很好地抑制多分量信号间的交叉项干扰,更好地提取信号的时频信息。     

多LFM信号自适应时频表示方法

提出了一种多线性调频信号自适应时频表示方法及其快速算法:首先采用分数阶傅里叶变换的快速算法计算出模糊函数,再通过Radon-Ambiguity变换设计出信号的最优核函数,以滤除噪声和多线性调频信号在模糊域中的互项,最后通过二维傅里叶变换得到信号的时频表示。在多分量线性调频信号情况下借助"clean"的思想来抑制强分量对弱分量的干扰。仿真表明该方法在低信噪比环境下也十分有效,且运算复杂度小。     

#br# 近场宽带LFM信号被动测向和测距方法

提出了一种采用分数阶傅里叶变换的聚焦波束形成被动定位方法,实现了水声近场宽带线性调频(linear frequency modulated, LFM)信号的被动测向和测距。建立了基于球面波模型的近场宽带LFM信号接收数据模型,应用分数阶傅里叶变换(fractional Fourier transform, FRFT)将LFM信号的时变阵列流形矩阵变换为固定阵列流形矩阵,结合近场声源的聚集波束形成技术,利用多重信号分类算法实现了对多个宽带LFM信号的方位与距离联合估计。数值仿真验证了该方法对水声目标方位和距离估计的有效性,并仿真分析信噪比、声源距离、声源个数等对该算法性能的影响。     

基于压缩感知的机动目标径向加速度估计

针对目前关于目标径向加速度估计的算法存在着采样频率过大及短时条件下精度不高的问题,提出了一种基于压缩感知（compressive sensing, CS）的机动目标径向加速度估计方法。该方法可以在不损失参数估计精度的条件下,用远低于奈奎斯特采样定理要求的采样速率进行采样。仿真实验验证了该方法有效性,并与基于分数阶傅里叶变换(fractional Fourier transform, FRFT)估计目标径向加速度方法进行了比较。仿真结果表明,该方法不仅所需的信号积累时长和采样速率大大降低,并且在估计精度方面也有明显的提高。     

一种LFM信号相位域快速高精度参数估计算法

研究了加性高斯白噪声污染的线性调频(linear frequency modulation,LFM)信号的参数估计问题,提出了一种相位域参数估计算法。首先对LFM信号的起始频率和调频斜率进行粗估计,然后利用粗估计值把接收信号变为基带信号,基带信号包含了起始频率和调频斜率的残差;接着对基带信号进行相位展开得到瞬时相位,对其运用最小二乘拟合得到起始频率和调频斜率残差的估计值;综合粗估计和残差估计得到最终的参数估计值。仿真表明,本方法在高于信噪比门限时精度接近克拉美-罗限,精度高于基于离散傅里叶变换的离散多项式变换法,信噪比门限低于传统的相位法。     

FRFT在水声信道时延频移联合估计中的应用

由于水声信道的复杂性和多变性,信号在水声信道传播中将伴随着多径时延与多普勒频移,二者是水声信道估计中两个重要的参数。基于分数阶傅里叶变换(fractional Fourier transform, FRFT)的时延和频移特性,提出一种采用多分量线性调频(linear frequency modulated, LFM)信号的水声信道估计方法,通过分析分数阶傅里叶域上峰值的偏移,联立不同阶次的时延和频移方程,可得到水声信道的时延和频移值。理论推导及仿真结果表明,该方法计算量小,且随着LFM信号分量数和调频率差值的增大,能在一定程度上减小估计的时延误差和频移误差。水池实验中选用具有相反调频率的双LFM信号作为估计信号,估计出多径时延与运动目标的多普勒频移,并给出了水下目标的运动速度。实验结果表明,FRFT估计法简单有效,在水声信道多径时延与多普勒频移估计上具有较好的实际应用价值。     

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。     

基于FRFT的单基地MIMO雷达稳健波束形成算法

以单基地多输入多输出(multiple input multiple output, MIMO)雷达系统为研究对象, 针对线性调频(linear frequency modulation, LFM)形式的正交频分复用(orthogonal frequency division multiplexing, OFDM)信号, 提出了一种新的稳健自适应波束形成算法。所提算法首先利用LFM信号的特性, 对匹配滤波后的雷达回波信号进行分数阶傅里叶变换(fractional Fourier transform, FRFT), 经化简得到峰值点作为阵列的观测值。而后, 利用观测值构建接收信号的协方差矩阵, 并使用Capon谱估计方法重构干扰加噪声数据协方差矩阵。最后, 通过求解优化问题估计实际导向矢量, 从而得到阵列的最优权值。通过计算机仿真实验, 验证了所提算法的有效性。     

一种双通道SAR动目标检测和参数估计方法

提出了一种基于空时自适应处理(STAP)杂波抑制和修正的离散Chirp-Fourier变换(MDCFT)参数估计的双天线合成孔径雷达(SAR)运动目标检测和成像方法.将MDCFT变换应用于经过STAP杂波抑制后的信号,在MDCFT幅值平面内同时完成对运动目标的检测和多普勒参数的估计.分析了STAP方法对SAR回波的滤波效果,建立了适合SAR系统的MDCFT模型.在分数阶傅里叶域进行滤波以消除杂波对相位的影响,进而利用通道间的相位差和多普勒中心频率对运动目标准确定位并估计径向速度.通过大量的仿真实验验证了该方法的正确性.     

Universal FRFT-based algorithm for parameter estimation of chirp signals

The realization of the parameter estimation of chirp signals using the fractional Fourier transform (FRFT) is based on the assumption that the sampling duration of practical observed signals would be equal to the time duration of chirp signals contained in the former. However, in many actual circumstances, this assumption seems unreasonable. On the basis of analyzing the practical signal form, this paper derives the estimation error of the existing parameter estimation method and then proposes a novel and universal parameter estimation algorithm. Furthermore, the proposed algorithm is developed which allows the estimation of the practical observed Gaussian windowed chirp signal. Simulation results show that the new algorithm works well.     

基于自适应LPFT的非平稳信号到达角估计

对非平稳阵列信号处理来说,通过时频分析预处理可以提高对不同信源到达角(direction of arrival, DOA)的分辨能力和估计精度。本文以提高在多信号分量环境下时频表示的能量聚集性为目标,提出一种自适应的局部多项式傅里叶变换(local polynomial Fourier transform, LPFT)方法,通过对信号瞬时频率曲线进行多项式拟合,确定LPFT的窗函数长度及各阶系数,以较小的计算量实现自适应时频分析。在此基础上,提出一种基于自适应LPFT的多信号分类(multiple signal classification,MUSIC)算法。仿真结果表明,与其他时频MUSIC算法相比,该方法对信号形式的适应能力强,在DOA估计精度、多信源角度分辨能力方面具有一定优势。     

脉冲噪声下基于相关熵的OFDM时域参数估计

针对传统的正交频分复用(orthogonal frequency division multiplexing,OFDM)时域参数估计方法在Alpha稳定分布噪声环境下性能退化的问题,该文提出了一种基于相关熵的时域参数估计新方法。相关熵是适用于非高斯信号处理的一种广义相关函数,用于表征随机变量的局部相似性。该方法利用OFDM信号时域结构具有局部相似性这一特点以及相关熵对脉冲噪声较好的抑制作用,完成Alpha稳定分布噪声下OFDM信号有用符号时间和符号周期这两个时域参数的估计。此外,为进一步提高强脉冲噪声下有用符号时间和符号周期的估计性能,该文利用累积法对相关熵进行了改进。仿真结果表明,在Alpha稳定分布噪声下,本文提出的基于相关熵的方法具有良好的估计性能,并且在强脉冲噪声下优于基于分数低阶统计量的方法。