LFM信号DOA估计分数阶量纲归一化方法

针对多分量线性调频信号存在重叠、漏检现象,导致波达方向的估计存在较大误差问题,提出多分量线性调频信号分数阶傅里叶域量纲归一化方法。首先给出了多分量LFM信号的阵列模型,讨论了阵列模型信号时频坐标系进行量纲归一化。通过对相干环境下分数阶傅里叶域进行量纲归一化操作,提高多分量信号在分数阶傅里叶域的分辨能力,保证信源数目估计的准确性。仿真结果表明该方法正确的识别信源组数,提高多分量信号波达方向估计精确度,信噪比低于-4 d B的信号抗干扰能力明显增强。

基于新型DFrFT的LFM信号参数估计算法

针对传统算法对高调频率线性调频(linear frequency modulation,LFM)信号进行参数估计时误差较大的问题,提出了一种基于新型离散分数阶傅里叶变换(discrete fractional Fourier transform,DFrFT)的LFM信号参数估计算法。新型DFrFT在传统离散算法的基础上引入一种新型尺度变换型量纲归一化方法,其归一化因子可随变换阶次的改变自适应变化。基于该新型DFrFT,本文建立了LFM信号参数估计算法的数学模型。首先,通过新型量纲归一化方法对待估计LFM信号进行预处理,将信号由时频域转换至两个无量纲域,再对信号进行DFrFT;然后,利用新型量纲归一化方法的尺度变换特性提升高调频率段的调频率参数估计分辨率,并理论推导了该参数估计算法相较于传统算法调频率的优势区间;最后,在不同调频率与信噪比条件下,对所提算法的有效性进行了仿真验证,并与传统算法进行对比分析。仿真实验结果表明:当待估计LFM信号的调频率较高时,相较于传统算法,新型尺度变换型量纲归一化方法的引入有效提升了本文算法对调频率的估计精度,且在信噪比较高的环境中,其参数估计性能提升更为明显。

分数阶Fourier域多分量LFM信号间的分辨研究

在分数阶Fourier域内,当多分量线性调频(LFM)信号的初始频率和调频率相近时,信号的尖峰会出现无法分辨的现象,导致目标信号漏检.文中分析了LFM信号在分数阶Fourier域的频谱分布特征,以及离散分数阶Fourier变换计算条件下LFM信号的频谱分布特征.推导了两个LFM信号在分数阶Fourier域的临界分辨距离,以及两个LFM信号尖峰之间的距离与量纲归一化因子的变化关系,发现选择合理的量纲归一化因子可以增大两个信号尖峰之间的距离.文中提出一种量纲归一化因子优化选择的方法,该方法可以提高分数阶Fourier变换对多分量LFM信号的分辨能力.最后,仿真结果验证了该方法的有效性.

周期线性调频干扰信号分数阶频谱分析与参数估计方法

针对跨周期的线性调频干扰信号的检测和参数估计问题,提出一种分数阶频谱分析与参数估计方法。以采样数据横跨2个周期为例,分析采样的周期线性调频干扰信号在分数阶傅里叶变换域的频谱分布特征,2个周期内的频谱重叠宽度与分数阶旋转角α和各周期内数据长度的关系,以及频谱尖峰发生偏移的条件。推导在离散分数阶傅里叶变换中各参数间的相互关系,得出采用快速解线性调频技术预估调频率的原因。实验结果表明,在2种仿真情况下,该方法都具有较高的参数估计精度。