[發(fā)明專利]基于小波包去噪和功率譜熵的線性調頻信號參數(shù)估計方法

有效

• 申請?zhí)枺?/td>: 201110336558.3
• 申請日: 2011-10-31
• 公開（公告）號: CN102508206A
• 公開（公告）日: 2012-06-20
• 發(fā)明（設計）人: 李一兵;葛娟;林云;葉方;李靖超;楊蕊;李一晨;田雪宜
• 申請（專利權）人: 哈爾濱工程大學
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發(fā)明涉及的是一種雷達信號處理技術領域的信號估計方法。

背景技術

對雷達信號脈內特征參數(shù)進行分析和參數(shù)估計是進行雷達對抗的前提。線性調頻信號(LFM)作為一種典型的非平穩(wěn)信號在雷達、聲納等領域得到了廣泛的應用，它是通過非線性相位調制得到的具有大時寬帶寬積的脈沖壓縮信號，對其參數(shù)的精確估計一直是雷達信號處理領域的熱點問題，對雷達電子偵察系統(tǒng)中目標的探測和識別也具有重大意義。線性調頻信號的關鍵特征參數(shù)是調頻斜率和起始頻率，本發(fā)明針對的是信號的調頻斜率的估計。

國內外的專家學者對LFM信號的參數(shù)估計方法做了大量的研究，如基于極大似然(ML)估計的方法、分數(shù)階傅里葉變換(FRFT)、Randon-Wigner變換、Randon-Ambiguity變換、基于小波重排的Randon變換、高階模糊函數(shù)法(HAF)等。其中，基于ML的方法估計精度很高，逼近CRLB界，但算法需要二維搜索，運算量大；利用時頻分析的方法Randon-Wigner變換、、Randon-Ambiguity變換，運算量與基于ML的方法相比相對減小，存在交叉干擾問題；基于小波重排的Randon變換不會引入交叉項，另外還能提高時頻平面的聚集性，運算量稍有減少；FRFT變換方法通過搜索信號變換后的極大值點來對其參數(shù)進行估計，且各分量的分數(shù)階傅里葉譜存在相互遮蔽的問題；利用高斯模糊函數(shù)進行具有二階多項式相位信號的LFM信號參數(shù)估計，雖然運算量得到降低，但其估計精度和分辨率較差，只有在高信噪比條件下才有較好的估計效果。可見已有的方法都存在這估計精度與算法運算量之間的折衷，精度高則計算量大，計算量小則精度低。

信息熵是信號不確定性地定量評價指標，功率譜熵刻畫了被分析信號的譜形結構情況，當信號的頻率組成比較簡單、譜線較少時，其對應的組分概率越大，計算得到的功率譜熵越小，表示信號的不確定性和復雜性越小；反之，若信號能量在整個譜形結構上分布的越均勻，則功率譜熵越大，信號的復雜性和不確定性越大。因此，功率譜熵可應用于LFM信號的參數(shù)估計。

發(fā)明內容

本發(fā)明的目的在于提供能夠克服現(xiàn)有方法運算量大、算法復雜、工程實現(xiàn)困難等不足的基于小波包去噪和功率譜熵的線性調頻信號參數(shù)估計方法。

本發(fā)明的目的是這樣實現(xiàn)的：

本發(fā)明基于小波包去噪和功率譜熵的線性調頻信號參數(shù)估計方法，其特征是：

(1)線性調頻信號即LFM信號為：

其中f₀為信號的中心頻率，k為信號的調頻斜率，x(t)表示LFM信號，

在工程的實現(xiàn)中所使用的LFM信號都是有限長的：

有限長的LFM信號的包絡為一矩形函數(shù)，A為矩形函數(shù)的幅度，矩形函數(shù)時寬為T，帶寬B為信號帶寬，時寬帶寬積瞬時頻率ω(t)與時間呈線性變換關系：

對信號進行多尺度小波包去噪，確定小波包函數(shù)和小波包分解層數(shù)，得到去噪信號x～(t)：

對接收的信號進行小波包分解，小波包分解的層數(shù)為j，將原始含噪信號分解為一系列低頻分量x₂，x₄，....，x_2n高頻分量x₁，x₃，....，x_2n-1，x_2n和表示第n次分解得到的高頻分量，表示第n次分解得到的高頻分量，

h0和h1分別為低通和高通濾波器，m為濾波器系數(shù)，表示第j層小波包系數(shù)序列，表示第(j+1)層的低頻小波系數(shù)，為第(j+1)層的高頻小波系數(shù)，

對分解得到的高頻小波包系數(shù)用經(jīng)典的硬閾值函數(shù)進行處理：

T為設定的閾值，為閾值函數(shù)處理后的高頻小波包系數(shù)，

對低頻分量x_2n進行處理：

T為設定的閾值，為閾值函數(shù)處理后的低頻小波包系數(shù)，

最后對經(jīng)去噪的系數(shù)進行重構：

其中分別是h₀、h₁的對偶濾波器；

(2)計算經(jīng)小波包去噪后的信號的功率譜熵H_f，并建立不同信噪比條件下，不同調頻斜率的線性調頻信號的熵特征數(shù)據(jù)庫：

對于離散信號序列其功率譜估計的定義式為：

X(ω)為序列x_i的傅里葉變換，需要用FFT實現(xiàn)得到離散傅里葉變換X(j)和功率譜S(j)，j＝1，2，…N，功率譜熵定義為：