[发明专利]Alpha稳定分布噪声下LFM信号调制参数估计方法

说明书

本发明属于非平稳信号调制分析技术领域，公开了一种Alpha稳定分布噪声下LFM信号调制参数估计方法；对接收到的LFM信号做广义扩展线性chirplet变换的时频分析图像；将时频分析图进行Radon变换，并计算其最大值，根据最大值所对应的角度估计调频斜率；利用调频斜率构造解调参考信号，将其与原信号相乘得到解调信号，对解调信号进行广义Fourier变换，并利用其最大值的位置估计起始频率。当广义信噪比大于0dB时，本发明的LFM信号调频斜率估计的归一化均方误差小于‑33dB；当广义信噪比大于‑6dB时，本发明的LFM信号初始频率估计的归一化均方误差小于‑22.4dB。

技术领域

本发明属于非平稳信号调制分析技术领域，尤其涉及一种Alpha稳定分布噪声下LFM信号调制参数估计方法。

背景技术

线性调频(Linear Frequency Modulation,LFM)信号是一种典型的非平稳信号，广泛应用于雷达、声呐、地质探测与生物医学等系统。同时，LFM信号具有较大的时宽带宽积，这使得LFM信号相比于其它信号，具有了一定的抗多普勒能力，因此，LFM在水声通信系统中常作为同步信号，并且基于LFM的扩频系统在中远程水声通信中的应用也正在逐步增多。中心频率和调频斜率是表征LFM信号频率特性的基本参数，因而这两个参数的估计问题一直是非平稳信号调制分析领域的研究热点。目前，LFM信号的参数盲估计研究主要集中在高斯噪声环境下，其中，基于极大似然(ML)估计的方法估计精度高，估计性能曲线逼近CRLB界，但该方法计算复杂度高，且可能收敛到局部极值点(Abatzoglou T J.Fast MaximnurmLikelihood Joint Estimation of Frequency and Frequency Rate[J].IEEETransactions on AerospaceElectronic Systems,2007,AES-22(6):708-715.)。以Wigner-Ville分布(WVD)为代表的双线性时频分析方法，虽然可获得良好的能量聚集性，但这类非线性时频分布存在交叉项干扰，且在信噪比较低的场合估计性能较差(Thomas M,Lethakumary B,Jacob R.Performance comparison of multi-component signals usingWVD and Cohen's class variants[C].International Conference on Computing,Electronics and Electrical Technologies.IEEE,2012:717-722.)。短时傅里叶变换(STFT)和分数阶傅里叶变换(FRFT)属于线性变换，虽然不存在交叉项，但STFT的估计效果在低信噪比条件下并不理想，而FRFT需要进行二维搜索，运算量较大(Pei S C,Huang SG.STFT With Adaptive Window Width Based on the Chirp Rate[J].IEEETransactions on Signal Processing,2012,60(8):4065-4080.)。在工程应用中，实际噪声通常具有明显的脉冲特性，如水下冲击噪声、大气噪声等，由于这类脉冲噪声存在大幅度脉冲，使得信号在频域出现大幅度频率特征，导致高斯噪声环境下基于时频分布的LFM信号参数估计方法性能严重退化。针对脉冲噪声环境下的LFM信号估计问题，已有学者展开研究，主要有基于最大似然(maximum-likelihood,ML)估计理论的方法，如Myriad滤波、Meridian滤波处理方法和稳健理论下的时频分析方法，这类可以较好的抑制脉冲噪声，但由于滤波器设计该方法计算复杂度高，且在低信噪比估计性能较差(金艳,胡碧昕,姬红兵.α稳定分布噪声下一种稳健加权滤波的统一框架[J].系统工程与电子技术,2016,38(10):2221-2227.)。基于分数低阶统计和非线性变换的时频分析方法，如分数低阶wigner分布、熵测度的STFT，这类方法虽然可以适应脉冲噪声环境，实现LFM信号的参数估计，但由于这类方法时频聚集性较差使得其时频分辨率较低，导致估计准确率较低，且在低信噪比下估计性能退化严重(陈文武,蔡征宇,陈如山,等.脉冲噪声下基于Robust STFT的LFM信号检测与参数估计[J].南京理工大学学报(自然科学版),2012,36(2):328-331.)。