复杂噪声下基于同步压缩Chirplet变换的LFM信号参数估计

同步压缩变换建立在小波变换的基础上,通过在较小频域范围内压缩小波系数,可有效改善信号的能量分布,提高时频聚集性。该文针对线性调频(LFM)信号的参数估计问题,根据适用于LFM信号的Chirplet变换,在同步压缩理论的框架下,提出一种同步压缩Chirplet变换方法(SSCT)。由于充分利用了LFM信号时间与频率的线性关系,SSCT方法在提高Chirplet变换时频平面能量聚集性的同时,可实现信号参数的精确估计,且保留了Chirplet变换窗函数选取灵活,无交叉项干扰等优点。针对复杂噪声环境下的参数估计问题,进一步提出分数低阶SSCT方法(FLOSSCT)。仿真结果表明,在高斯噪声以及脉冲性更强的α稳定分布噪声背景下,该方法可有效实现LFM信号的参数提取,具有较好的鲁棒性。

α稳定分布噪声下基于稳健S变换的LFM信号参数估计

S变换由短时傅里叶变换发展而来,克服了短时傅里叶变换窗长固定、不能同时展现信号高频及低频的缺点,但在脉冲性较强的α稳定分布噪声下,该方法性能退化甚至失效。对此,基于广义柯西分布,构造了一类可有效应用于强脉冲噪声环境的损失函数,并详细分析了其影响函数的稳健性。在此基础上,根据最大似然估计理论和S变换,提出了一种稳健S变换方法。该方法以S变换作为初始值,采用最大似然估计方法在时频域迭代得到,在保留S变换窗长选取灵活等优点的同时,进一步提高了S变换的时频聚集性。仿真实验表明,在处理脉冲噪声环境下的线性调频信号时,与传统的基于Myriad滤波、Meridian滤波等多种非线性滤波的方法相比,提出的稳健S变换不仅能有效抑制脉冲噪声,且在脉冲性较强的α稳定分布噪声环境下,具有良好的鲁棒性和优良的线性调频信号参数估计性能。