[发明专利]基于时频分析的LFM信号分离及参数估计方法

说明书

技术领域

本发明涉及一种基于时频分析的LFM(linear frequency modulation，线性调频)信号分离及参数估计方法，属于雷达信号侦察技术领域。

背景技术

近年来，随着雷达技术的不断发展，电磁环境日益复杂，雷达信号侦察面临着雷达辐射源信号复杂而密集的严峻挑战。LFM雷达信号作为一种成熟的雷达信号，目前在各种体制的雷达中十分广泛地使用着。雷达侦察接收机在同一时间内可能接收来自同一方向的多个雷达信号。此外，还有可能有许多干扰信号混杂其中。这使得雷达侦察不可避免的遇到多信号分离的问题。分离的信号质量好坏直接影响到后续信号参数的检测和估计。

对于LFM信号的分离和参数估计，国内外的专家做了大量的研究，如短时傅立叶变换(STFT，Short-Time Fourier Transform)、分数阶傅立叶变(FRFT，Fractional Fourier Transform)、基于最大似然比的(ML，Maximum Likelihood)估计方法、基于Wigner-Ville的时频分析方法等。其中，短时傅立叶变换(STFT)窄的观察窗口对时频域的分辨率有较大影响；分数阶傅立叶变换(FRFT)最大值检测方法仅仅利用分数阶Fourier变换对LFM信号能量的聚集特征，从而达到抑制噪声的目的，因此不能用于较低的信噪比的条件下；基于最大似然比的(ML)估计方法虽然精度很高，逼近克拉美罗下限，但是算法需要进行二维搜索，算法复杂度很大；基于Wigner-Ville的时频分析方法由于受交叉项和噪声的影响，即使多分量信号的各分量强度相当，尖峰积累后都会出现虚假点，会对信号的参数估计和分离带来影响。

小波变换(WT，Wavelet Transform)是一种一维线性时频分析，它分析多信号时不受交叉干扰项影响，计算量较低，且在较低的信噪比的条件下也能达到良好的性能。利用WT对LFM信号具有良好的时频聚集性，鲁棒性强等优点，因此非常适合多LFM信号的分离和估计。

发明内容

本发明的目的是针对复杂密集电磁环境下的雷达侦察接收问题，提出一种基于时频分析的LFM信号分离及参数估计方法。该方法利用WT的时频分析方法，通过LFM信号的时频聚集性，识别出各个LFM信号，再通过聚类、分段估计的方法快速估计出各个LFM分量的参数。能在低信噪比下有效快速地分离出各个LFM信号，并对每个LFM信号的参数进行较为准确的估计。

为达到上述目的，本发明采用如下技术方案：

一种基于时频分析的LFM信号分离及参数估计方法，包括以下步骤：

步骤一、利用小波变换建立时频分析模型，利用该模型分析混合LFM信号，产生三维时频图；

步骤二、对三维时频图按时间进行遍历，选取三维图中每个时间点的频点峰值，从而将信号在二维时频平面内表示；

步骤三、对二维时频图按频率进行遍历，寻找每个频率点处所对应的时刻点的个数，记录最大的时刻点个数，估算为LFM信号分量的总数；

步骤四、对二维时频图按时间进行遍历，寻找平面内直线交点，以交点处的时刻分段聚类，并按照分段的时间跨度由大到小依次聚合；

步骤五、对聚合的分段依次进行LFM信号参数估计，并利用去重、加权措施对已估计的参数进行优化，直到估计完全部信号或全部分段。

对比现有技术，本发明具有如下突出的实质性特点和显著的优点：

本发明方法利用WT对混合LFM信号进行分析，在分析多信号时不受交叉干扰项的影响，将信号映射到时频二维坐标上，简化了分离模型的构建；利用LFM信号的时频特性，在时频二维坐标上进行分段聚合，具有计算量低、时频聚集性良好、鲁棒性强等优点，在降低算法复杂度的同时，能分析处理更多分量的LFM混合信号。

附图说明

图1为经由本发明方法的时频分析模型后的三维图。

图2为经由本发明方法的时频分析模型后三维图提取的时频二维图。

图3为本发明方法将时频二维图进行分段聚合后的结果。

图4为本发明方法最终的分离估计效果图。

图5为本发明方法的聚合后的估计流程。

具体实施方式

为了更好地理解本发明的技术方案，下面结合附图对本发明做更详细的描述。

一种基于时频分析的LFM信号分离及参数估计方法，包括以下步骤：

步骤一、利用小波变换建立时频分析模型，利用该模型分析混合LFM信号，产生三维时频图，如图1所示。

LFM信号可以表示为：