基于小波包去噪和功率谱熵的线性调频信号参数估计方法技术

本发明专利技术的目的在于提供基于小波包去噪和功率谱熵的线性调频信号参数估计方法，包括以下步骤：对信号进行多尺度小波包去噪，确定小波包函数和小波包分解层数；计算经小波包去噪后的信号的功率谱熵，并建立不同信噪比条件下，不同调频斜率的线性调频信号的熵特征数据库；对得到的离散熵特征数据进行插值运算；用多项式函数对三次样条函数插值后的曲线拟合，得到不同信噪比下线性调频信号的调频斜率与输入熵特征的关系表达式；利用拟合好的表达式估计接收机接收到的LFM信号的调频斜率。本发明专利技术提出的基于小波包去噪和功率谱熵的线性调频信号参数估计方法计算量小，能够在满足参数估计精度要求的前提下，实时地对LFM的调频斜率进行估计。

【技术实现步骤摘要】

本专利技术涉及的是一种雷达信号处理
的信号估计方法。
技术介绍
对雷达信号脉内特征参数进行分析和参数估计是进行雷达对抗的前提。线性调频信号(LFM)作为一种典型的非平稳信号在雷达、声纳等领域得到了广泛的应用，它是通过非线性相位调制得到的具有大时宽带宽积的脉冲压缩信号，对其参数的精确估计一直是雷达信号处理领域的热点问题，对雷达电子侦察系统中目标的探测和识别也具有重大意义。 线性调频信号的关键特征参数是调频斜率和起始频率，本专利技术针对的是信号的调频斜率的估计。国内外的专家学者对LFM信号的参数估计方法做了大量的研究，如基于极大似然 (ML)估计的方法、分数阶傅里叶变换(FRFT)、Randon-Wigner变换、Randon-Ambiguity变换、基于小波重排的Randon变换、高阶模糊函数法(HAF)等。其中，基于ML的方法估计精度很高，逼近CRLB界，但算法需要二维搜索，运算量大；利用时频分析的方法Randon-Wigner 变换、、Randon-Ambiguity变换，运算量与基于ML的方法相比相对减小，存在交叉干扰问题；基于小波重排的Randon变换不会引入交叉项，另外还能提高时频平面的聚集性，运算量稍有减少；FRFT变换方法通过搜索信号变换后的极大值点来对其参数进行估计，且各分量的分数阶傅里叶谱存在相互遮蔽的问题；利用高斯模糊函数进行具有二阶多项式相位信号的LFM信号参数估计，虽然运算量得到降低，但其估计精度和分辨率较差，只有在高信噪比条件下才有较好的估计效果。可见已有的方法都存在这估计精度与算法运算量之间的折衷，精度高则计算量大，计算量小则精度低。信息熵是信号不确定性地定量评价指标，功率谱熵刻画了被分析信号的谱形结构情况，当信号的频率组成比较简单、谱线较少时，其对应的组分概率越大，计算得到的功率谱熵越小，表示信号的不确定性和复杂性越小；反之，若信号能量在整个谱形结构上分布的越均勻，则功率谱熵越大，信号的复杂性和不确定性越大。因此，功率谱熵可应用于LFM信号的参数估计。
技术实现思路
本专利技术的目的在于提供能够克服现有方法运算量大、算法复杂、工程实现困难等不足的。本专利技术的目的是这样实现的本专利技术，其特征是(1)线性调频信号即LFM信号为权利要求1.，其特征是(1)线性调频信号即LFM信号为2.根据权利要求1所述的， 其特征是对离散熵特征数据进行插值运算时，采用三次样条插值的方法。全文摘要本专利技术的目的在于提供，包括以下步骤对信号进行多尺度小波包去噪，确定小波包函数和小波包分解层数；计算经小波包去噪后的信号的功率谱熵，并建立不同信噪比条件下，不同调频斜率的线性调频信号的熵特征数据库；对得到的离散熵特征数据进行插值运算；用多项式函数对三次样条函数插值后的曲线拟合，得到不同信噪比下线性调频信号的调频斜率与输入熵特征的关系表达式；利用拟合好的表达式估计接收机接收到的LFM信号的调频斜率。本专利技术提出的计算量小，能够在满足参数估计精度要求的前提下，实时地对LFM的调频斜率进行估计。文档编号G01S7/02GK102508206SQ201110336558公开日2012年6月20日 申请日期2011年10月31日 优先权日2011年10月31日专利技术者叶方, 李一兵, 李一晨, 李靖超, 杨蕊, 林云, 田雪宜, 葛娟 申请人:哈尔滨工程大学本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：李一兵，葛娟，林云，叶方，李靖超，杨蕊，李一晨，田雪宜，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：